“互聯網+”背景下杭州高校學生校園貸現狀調查研究

孫 夢，房啟全

(浙江科技學院 理學院，浙江 杭州 310023)

0 引言

校園貸初衷是國家開發銀行向學生提供助學貸款，協助貧困大學生完成學業、解決生活困難。隨著互聯網的普及和“互聯網+”的風行，互聯網與金融行業在校園內的耦合孕育出了一種新型的校園金融—校園貸。隨著社會經濟的縱深發展和生活水平的不斷提高，大學生的消費水平也隨之改變。他們在面對五花八門的校園網貸平臺時，稍不防范就容易成為網貸平臺的“囊中物”。由于相關法律法規方面的滯后和缺位、風險防范意識不足以及相應監管不力等原因導致大學生們掉入了校園網貸的陷阱。互聯網技術發展的同時也給了非法分子鉆法律空子的機會。網貸平臺往往打著“低門檻”“無利息”“無擔?！钡纫幌盗械目谔?，宣傳力度大而且貸款方式五花八門，在大學校園生活中泛濫衍生。

近年來，出現了許多對校園網貸的研究成果，為杭州高校大學生校園貸的現狀的調查研究提供了思路與方法。如胥青等[1-5]對校園貸亂象的危害、產生原因以及風險防范與教育引導機制等進行了較系統的闡述。吳再發[6]闡述了校園貸的危害以及如何跨越校園貸的陷阱；在趙忠亮等[7-10]中，作者對校園貸類借貸監管問題進行了研究，并就校園貸類借貸平臺法律監管、貸款程序等方面提出了若干建議；王德國等[11-12]中，作者分別以青島某高校和江蘇省大學生為例，通過問卷調查,分析了大學生校園貸的現狀，并探討了問題的解決方法，并指出校園貸良好市場秩序的回歸和維持需要政府等外界監管力度的增強、校園貸平臺內部運行機制和管理體制的改革創新以及在校大學生法律意識和風險意識的加強。

在借鑒以上研究結果的基礎上，本文基于“互聯網+”大環境下，對杭州高校內校園網貸現狀進行調查，在獲取數據基礎上，以經濟情況、消費欲望、金融知識、風險意識和征信意識作為影響學生是否選擇校園貸的主要因素，利用主成分分析和Logistic回歸模型研究大學生校園貸的主要成因，探尋防范并遏制不良校園貸發展的對策，為各高校校園網貸現狀提供規避風險的參考途徑，致力于凈化“互聯網+”時代的校園貸生態環境，維護社會和金融市場的穩定。

1 校園網貸主要影響因素回歸分析

1.1 數據來源與分析

本項目通過網上發放問卷和實地調查的方式，借助校圖書館相關資料編寫調查問卷，主要從經濟情況、消費欲望、金融知識、風險意識及征信意識等多方面探討在杭高校學生校園貸的情況及成因。

2019年上半年，在杭州小和山高教園區的三所高校和一所高職校內，就“校園貸”進行了初步調查。被調查的院校包括浙江科技學院、浙江工業大學、浙江外國語學院和浙江長征職業技術學院，涵蓋了省部共建雙一流高校、省屬重點高校、省屬普通高校、省屬高職院校4個層次，覆蓋面較廣，覆蓋學校層次具有代表性，能很好地表征杭州高校校園貸狀況。院校主要集中在省會杭州小和山高教園區，學校之間距離較近，方便問卷的發放與回收且能保證其有效性，都遠離鬧市區，校園環境比較接近。

通過線下和線上發放問卷并進行回收篩選，最終獲得有效電子問卷300份和有效紙質問卷200份。問卷所涉及的問題主要為以下幾類：參與度、金融知識的知曉率、消費去向、貸款額度、父母親人知曉情況、對利息計算、還款方式的接受程度、借貸平臺選擇的依據和面對風險時的處置辦法。對回收的有效問卷進行數據整合，針對這幾個方面簡要分析高校學生使用“校園貸”情況。利用主成分分析法對數據進行更為細致地處理，得出了使學生淪陷“校園高利貸”的成因有如下幾點：大學生不良的消費行為、互聯網技術迅速發展、校園網貸的運作流程是陷阱、法律體制不完善及社會監管不嚴等因素。

1.2 數據預處理

通過對數據整理，發現各個因素數據的格式及單位不統一，為使建立模型時計算機更好的識別數據，不考慮單位的轉化關系，可將各類數據按照程度分為4個等級，如表1所示。

表1 變量取值范圍和賦值內容

1.3 主成分分析的原理及數學模型

在運用統計方法解決實際問題時，人們常常會面對研究多個變量的問題，且在大部分情況下，多個變量之間存在某種相關性。由于變量個數多及變量之間的相關性，會增加分析解決問題的復雜性和難度。一般情況下，變量之間的相關性可以理解為變量在反映實際問題的信息時具有一定的重疊。在實際應用中，人們希望變量數較少而得到的信息較多，主成分分析法就是將事先提出的所有變量中重復的或者關系緊密的變量刪去，找出盡可能少的綜合變量，使得這些綜合變量盡可能地代表原來變量的信息量，且兩兩之間互不相關[13-14]。

主成分分析法是利用線性代數技巧進行降維的統計方法，概括而言就是根據某種正交變換，將原先給出的多個變量進行線性組合，提煉出盡可能少的互不相關的新變量[14]，具體步驟如下：

(1) 原始數據標準化。

假定有n個樣本，每個樣本共有p個變量，構造一個n×p階的數據矩陣：

(2) 計算相關系數矩陣。

其中rij為原始變量xi,xj的相關系數

(3) 求解相關系數矩陣R的特征根、特征向量及貢獻率，找出主成分。

首先，根據特征方程det(λE-R)=0，求出特征值，并且使其按大小順序排列：

λ1≥λ2≥…≥λp≥0;

取累計貢獻率在85%～95%的特征值λ1,λ2…λm所對應的第一、第二…第m(m≤p)個主成分。

(4) 各主成分的載荷。

記x1,x2…xp為原變量指標，z1,z2…zm(m≤p)為新變量指標，則可得主成分得分函數：

1.4 主成分模型建立求解

(1) 將附件一表1中數據作標準差標準化處理，計算相關系數矩陣，如表2所示。

由表2可知：家庭月均收入X1和月消費水平X2的相關系數為0.831 5，因此解釋變量之間存在多重共線性。

(2) 為了消除回歸模型的多重共線性，將自變量X1～X8進行降維處理，構造原變量的一系列線性組合，使得各線性組合在互不相關的前提下盡可能多地反映原變量的信息，這些新變量稱為主成分。由相關系數矩陣計算特征值以及各個主成分的貢獻率與累計貢獻率，如表3所示。

表2 相關系數矩陣

表3 特征值及主成分貢獻率

實際應用當中，一般應選取累計貢獻率≥80%的前幾個主成分。由表3可知： 第一至第五主成分的累積貢獻率高達85.88% (>85%)，因此可認為Z1～Z5為我們所求的主成分。根據線性關系得到主成分Zi與原始變量Xi的相關系數，其絕對值的大小刻畫了該主成分的成因，體現了Xi對Zi的重要程度，如表4所示。

由表4 得，第一主成分Z1與X1,X2,X3,X5及X8呈現較強的正相關，主要代表了家庭經濟情況；第二主成分Z2與X3,X6,X7及X8呈現較強的正相關，主要代表了風險意識的強度；第三主成分Z3與X1,X2,X4及X6呈現較強的正相關，主要代表了消費欲望的強度；第四主成分Z4與X3,X4及X5呈現較強的正相關，主要代表了征信意識的強度；第五主成分Z5與X6及X8呈現較強的正相關，主要代表了金融知識的掌握情況。于是以第一、二、三、四、五主成分作為自變量進行回歸分析，其中第一至第五主成分的表達式分別為:

表4 主成分特征向量

Z1=0.6053X1+0.6343X2+0.2380X3-0.2838X4+0.2485X5-0.1365X6-0.0597X7+0.1007X8，Z2=-0.1493X1-0.0022X2+0.4797X3+0.1845X4+0.2303X5+0.3289X6+0.5491X7+0.5008X8，Z3=0.2958X1+0.2805X2-0.1221X3+0.2475X4-0.5827X5+0.5666X6+0.2154X7-0.2250X8，Z4=0.0048X1+0.0439X2+0.4794X3+0.6163X4+0.2495X5-0.0628X6-0.2107X7-0.5271X8，Z5=0.0040X1+0.0075X2-0.0860X3+0.1455X4+0.1703X5+0.5182X6-0.7177X7+0.3983X8。

2 Logistic回歸模型

Logistic回歸模型是一種概率模型，屬于概率型非線性回歸，是分析因變量為定性變量時常用的統計分析方法，適用于對照研究和橫斷面研究，且結果發生的變量必須是二分的或多項分類的，可用影響結果變量發生的自變量與因變量來建立回歸方程[15]，其在醫學、社會學、經濟學等領域有著廣泛的應用。

2.1 Logistic回歸方程

設有一個因變量Y和p個自變量X1,X2…Xp，對每個實驗對象共有n次觀測結果，可將原始資料列成表5形式。

表5 Logistic回歸模型的數據結構

其中，Y取值為0或1，其中，Y=1：選擇校園貸，Y=0：不選擇校園貸。將選擇校園貸的概率記為P(0≤P≤1)，它與自變量X1,X2…Xp之間的Logistic回歸模型為：

則不選擇校園貸的概率為：

即

ln[P/(1-P)]=β0+β1X1+…+βpXp,

定義Logistic變換：

Logit(P)=ln[P/(1-P)],

即Logistic回歸方程為：

Logit(P)=β0+β1X1+…+βpXp。

2.2 Logistic模型求解

根據主成分分析得到的結果，將所得的主成分作為自變量，各變量賦值內容如表6所示。

表6 Logistic回歸模型的變量賦值

根據主成分分析方法知影響學生是否選擇校園貸的主要因素有5個，分別對這5個因素按照程度的高低劃分為4個等級，再根據附件當中的數據二，得出5個因素與是否選擇校園貸概率的密度圖，如圖1-5所示。

圖1 經濟情況與選擇校園貸概率密度

圖2 消費欲望與選擇校園貸概率密度

圖3 金融知識與選擇校園貸概率密度

圖4 風險意識與選擇校園貸概率密度

根據概率密度圖，在經濟情況等級中，一般貧困的學生選擇校園貸的概率較大；在消費欲望等級中，消費欲望較低的學生選擇校園貸的概率較大；在金融知識等級中，了解一點金融知識的學生選擇校園貸的概率較大；在風險意識等級中，有風險意識但不強的學生選擇校園貸的概率較大；在征信意識等級中，有一點征信意識的學生選擇校園貸的概率較大。因此，所選取的主成分在一定程度上能夠反映學生選擇校園貸的影響因素。運用SPSS軟件對因變量和自變量進行二元Logistic回歸分析，如表7所示。

圖5 征信意識與選擇校園貸概率密度

表7 參數

在5%顯著性水平上，對多元回歸模型進行總體顯著性檢驗，由上表知，統計量Z=3.179 53>2.58，P=0.001 475 16<<0.01，說明各個因素的共同影響是顯著的，此時校園貸影響因素的Logistic回歸方程為：

即，

Logit(P)=-10.266 3+1.556 7X1+1.621 4X2+1.304 54X3+0.538 1X4+0.725 2X5。

2.3 模型檢驗

為檢驗所設定的多元函數參數在應用過程中所得結果與實際結果的偏差程度，我們按照5%的置信水平對多元函數的參數進行檢驗，所得結果如表8所示。

表8 參數置信區間

由上表知：估計值均在置信區間內，故可認為該模型的參數估計的可信度為95%。根據Logistic模型結果，經濟情況等級、消費欲望等級、金融知識等級主要體現大學生自身的主觀條件，這些為影響大學生校園貸的重要因素，風險意識等級、征信意識等級主要體現大學生客觀風險知識的積累，為影響大學生校園貸的外在因素。

校園貸現狀調查顯示，當代大學生一是沒有妥善的財務規劃能力，不知如何管理與支配自己的財產；二是自控能力不足，超前消費，因此在資金短缺時，會在網上申請信用貸來解決燃眉之急；三是多數大學生由于專業受限，他們本身對于違約金、滯納金等一系列收費項目的計算方式和金額了解不多；四是一些大學生存在攀比心理，誠信缺失。因此經濟情況等級、消費欲望等級、金融知識等級是影響大學生校園貸的重要因素，這也進一步說明主成分分析法研究的結果是比較合理的。

3 對策與建議

針對校園貸款平臺發展過程中出現的問題以及對大學校園環境造成的影響，按照銀監會和教育部等的統一部署，明確要求各高校應建立校園不良網絡借貸日常監測機制、實時預警機制和校園不良網絡借貸應對處理機制[11-12]。本文根據以上實證研究結果，給出如下相應的對策建議。

3.1 政府相關部門加強監督管理

政府應該組織公安、工商、銀監、銀行等相關職責部門進行統一協調，加強校園貸款監督體系的建設力度，完善對消費金融類公司的監管辦法。政府應進一步明確監管主體、監管措施和監管責任，出臺嚴格的行業審批及監管制度。針對校園網貸的源頭、網絡貸款平臺的資質、借貸方面的利息、暴力催生等情況都必須進行嚴格監管。例如，在網貸平臺上需要設置更多的風控門檻，其次核實借款人還款能力、是否多平臺借貸等信息，建立擔保人制度，以保證大學生的貸款行為有知情人知悉；或是限制貸款次數，防止大學生因多次貸款以致無力償還帶來不良后果，最后再根據借款人的資信能力來發放貸款，建立校園網貸行業的自律準則。

3.2 鼓勵扶持合理合法校園貸，嚴厲打擊不良借貸平臺

一方面，校園貸行業應該嚴格規范催收方式以及篩查合法的催收機構，轉變其核心職能，從原來的營銷型轉變成服務型；加強對在校大學生還款能力的審查，提高貸款門檻。另一方面，校園貸應加強自身平臺的貸款流程的嚴謹性，將貸款額度限制在適合大學生群體的范圍內；同時注意收集資料，并協助監管部門建立一套相應的適合大學生群體的信用體系，且平臺自身加入征信系統，從而提升自身的規范性和合法性。校園貸平臺具有簡單快捷的優勢，能夠短時間內快速解決高校大學生資金短缺的問題，市場前景廣闊。若運營得當，將有利于促進社會經濟的發展。因此，對于合理合法校園貸平臺應當鼓勵和扶持其發展，但對于不良平臺，例如存在違法暴力催收、高額利息等行為的平臺應嚴厲打擊、堅決取締，從而營造良好的網絡借貸市場環境。

3.3 學校要給在校大學生提供勤工助學的崗位和規范的創新創業平臺

為社會培養具有創新精神和實踐能力的高級專門人才是高等教育的任務，要在大學教育教學實習中為大學生提供創新創業的相關培訓及實踐平臺和基地，積極正面地引導他們參與相關的創新創業活動，在實踐中激發他們的潛能去探索、去積累經驗，從而增強風險防范意識，充分認識個人信息和信用的重要性。同時使大學生能夠體驗到創業的艱辛，有利于大學生建立正確的消費意識，進而重新審視自己的消費方式的合理性，糾正一些錯誤的消費觀念。這樣，可導致校園網貸的消費頻率的減少，使得非法網絡借貸產品在校園難以衍生。

4 結語

本文以經濟情況、消費欲望、金融知識、風險意識和征信意識作為影響學生是否選擇校園貸的主要因素作了實證分析。根據主成分分析法，建立主成分模型并求解得影響學生是否選擇校園貸的上述5個主要因素，將它們作為自變量建立Logistic回歸模型，分別對這5個因素按照程度的高低劃分為4個等級，可得5個因素與是否選擇校園貸概率的密度圖。利用Logistic回歸分析，按照5%的置信水平對所得結果與實際結果的偏差程度進行檢驗，上述5個因素對學生是否選擇校園貸影響是顯著的。從經濟情況、消費欲望、金融知識、風險意識和征信意識等方面，探尋防范并遏制不良校園貸發展的措施，對凈化“互聯網+”時代的校園貸生態環境，維護社會和金融市場的穩定，促進浙江省經濟發展有積極意義。