电子商务企业直接向银行等金融机构提出贷款申请并获得授信。但大量中小电子商务企业本身的财务管理制度不健全、内部治理混乱造成的银行企业间信息不对称, 使得银行无法了解电子商务企业真实经营信息和状况, 出于规避融资风险的考虑, 对其贷款较为谨慎。

通过第三方平台, 将电子商务企业与银行机构联系起来, 利用第三方平台的信用评价机制来获得授信的融资模式, 甚至直接由第三方平台(如阿里金融)发放贷款。相对银行信贷模式而言, 第三方平台减少了银行与企业间信息不对称。电子商务企业在第三方平台上的真实交易数据、应收账款、互助担保等成为这种融资模式的主要信用基础, 产生了网络联保、网络速贷等不同形式的融资产品。网络融资模式的优点在于手续简单, 程序透明, 全程电子化申请, 随借随还。缺点在于授信金额偏小, 难以满足客户需求, 综合融资成本高, 融资只适合进行短期周转。

民间金融是助推电子商务发展的重要力量。民间融资作为一种有益的补充发挥了重要作用。从抽样调查情况看, 约三成电商户通过民间信贷资金完成融资。

本文研究所用数据选用课题组于2016年8月以及2017年1月的调研数据, 调研采取抽样问卷的形式。调查区域选取宿迁市大众村、堰下村和周圈村。此次调查的淘宝商户共有307户, 有效问卷279份。文中所有数据均来自调查数据。

影响淘宝村电商融资方式的因素有很多, 本文将影响淘宝村电商融资方式的因素大致分为4类, 分别是商户基本情况、信贷环境、淘宝店发展情况和现有资金情况。模型所选择的变量及其具体含义见表1。

表1

表1

表1 模型变量与含义 变量类别 变量名称 变量含义 变量解释 主要融资方式 Y 农村电商选择的主要融资方式 选择传统金融机构融资取值为1, 民间借贷取值为2, 互联网融资取值为3 商户基本情况 X1 家庭人口总数 假设家庭人口总数越多, 商户选择民间借贷的意愿更强 X2 户主年龄 假设户主的年龄越大, 其选择传统金融机构的意愿越强 X3 受教育程度 假设商户的受教育程度越高, 选择互联网融资的意愿越强 X4 是否以电商经营为主 以电商经营为主取值为1, 否则, 取0 X5 家庭年总收入 假设家庭年总收入越高, 商户越容易选择传统金融机构 信贷环境情况 X6 是否对供给满足 对信贷供给满足取值为1, 否则, 取0 淘宝店发展情况 X7 开店时长 假设开店时间越长, 商户越容易选择传统金融机构 X8 目前所有的规模 假设目前所有的规模越大, 商户越容易选择传统金融机构 现有资金情况 X9 平均每笔资金借贷期限 假设平均每笔借贷期限越长, 商户越容易选择传统金融机构 X10 平均每笔借贷规模 假设平均每笔借贷规模越大, 商户越容易选择传统金融机构 X11 资金缺口 假设资金缺口越大, 商户越容易选择传统金融机构

表1 模型变量与含义

由于因变量为多分类, 本文采用多元Logistic模型, 传统金融机构取值为1, 民间借贷取值为2, 互联网融资取值为3。本文拟检验以下Logistic的融资选择意愿决定因素:1)民间借贷对传统金融机构; 2)互联网融资对传统金融机构。选择1为参照类, 建立以下2个Logistic模型, 其中, p₁、p₂和p₃分别表示选择传统金融机构融资, 民间借贷和互联网借贷的概率。模型Ⅰ (式1)为民间借贷对传统金融机构融资选择意愿的影响, 模型Ⅱ (式2)为互联网融资对传统金融机构融资选择意愿的影响。

ln P2P1=α ₂₊ ∑k=1kβ _2kx_k; (1)

ln P3P1=α ₃₊ ∑k=1kβ _3kx_k。(2)

剔除数据不全的样本后, 得到的商户样本总数为279户。调查结果表明, 调查地区的淘宝电商户中, 49.5%的商户选择从传统金融机构贷款融资, 30.5%选择民间借贷, 20.1%的商户选择互联网融资。从选取融资方式的数量上来看, 被调查地区商户更倾向于从传统金融机构融资, 但是也有部分商户选择民间借贷和互联网融资。因此可以认为, 商户仍以传统金融机构为主要融资方式, 民间借贷和互联网融资则作为补充。

对所有样本进行变量特征的描述性统计, 结果见表2。从整体上来看, 不同淘宝电商之间存在较大的特征差异, 需要对关键变量进行进一步的分析。

表2

表2

表2 描述性统计资料 自变量 最小值 最大值 平均值 标准偏差 主要融资方式 1 3 1.71 0.78 家庭人口总数 2 10 4.70 1.61 户主年龄 21 66 41.75 12.17 受教育程度 2 16 8.65 2.89 是否以电商经营为主 0 1 0.64 0.48 家庭年总收入 1 50 16.39 12.00 是否对供给满足 0 1 0.39 0.49 开店时长 1 10 3.69 1.96 目前所有的规模 1 50 4.53 5.37 平均每笔借贷期限 2 24 11.43 2.59 平均每笔借贷规模 0.5 20 3.70 3.99 资金缺口 0 80 4.62 8.85

表2 描述性统计资料

样本数据中的目前所有的规模变量与开店时长变量在5%的统计水平上显著相关, 平均每笔资金借贷期限与平均每笔借贷规模在1%的统计水平上显著相关, 故在计量分析时, 开店时长和平均每笔资金借贷期限不作为变量进行分析。

基于现有理论和研究文献, 本文建立了淘宝村电商融资选择影响因素的多元Logistic回归模型, 并利用SPSS 22.0统计软件, 采用极大似然估计方法建立淘宝村电商融资选择影响因素的多元Logistic回归模型, 回归结果见表3。

表3

表3

表3 淘宝村电商融资选择影响因素的多元Logistic模型估计结果 变量类别 解释变量 模型Ⅰ 模型Ⅱ 系数 标准误 P值 系数 标准误 P值 商户基本情况 家庭人口总数 0.722* * 0.294 0.014 -0.950 0.625 0.129 户主年龄 -0.072* 0.042 0.088 -0.717* * * 0.248 0.004 受教育程度 -0.043 0.146 0.770 0.602* * * 0.225 0.007 是否以电商经营为主 0.065 0.901 0.942 0.741 1.194 0.535 家庭年总收入 -0.024 0.046 0.607 0.003 0.062 0.964 信贷环境 是否对供给满足 0.617 0.740 0.404 -0.503 0.893 0.573 淘宝店发展情况 目前所有的规模 -0.065 0.133 0.623 -0.461* 0.255 0.071 现有资金情况 平均每笔借贷规模 -1.601* * * 0.611 0.009 -0.344* * 0.156 0.027 资金缺口 -0.793* * * 0.166 0.000 -0.515* * * 0.142 0.000 截距项 4.719* * 2.366 0.046 23.528* * * 8.573 0.006 注:* * * 、* * 、* 分别表示1%、5%和10%的显著性水平。

表3 淘宝村电商融资选择影响因素的多元Logistic模型估计结果

从上述结果可以看出, 影响样本地区淘宝村电商融资选择的因素主要有家庭人口总数、户主年龄、受教育程度、淘宝店发展规模、平均每笔借贷规模和资金缺口。而是否以电商经营为主、家庭年总收入、是否对供给满足对淘宝村电商融资选择的影响不显著。

户主年龄变量在模型Ⅰ 和模型Ⅱ 中通过了显著性检验, 且系数均为负, 说明在其他条件不变的情况下, 年龄越大的商户越愿意选择传统金融机构融资。从显著性水平来看, 相对于传统金融机构融资来说, 年龄越大的商户选择互联网融资的可能性最小。淘宝店发展规模变量在模型Ⅱ 中通过了10%统计水平的显著性检验, 且系数为负。这表明, 在其他条件不变的情况下, 淘宝店的规模越大, 相比互联网融资, 商户越愿意选择从传统金融机构融资。平均每笔借贷规模变量通过了显著性检验, 所有系数都是负值。这说明, 在其他条件不变的情况下, 平均每笔借贷规模越大, 商户越愿意选择从传统金融机构融资。从显著性水平来看, 相对于传统金融机构融资来说, 平均每笔借贷规模越大的商户选择民间借贷的可能性最小。资金缺口变量通过了显著性检验, 所有系数都是负值。这说明, 在其他条件不变的情况下, 相对于民间借贷和互联网融资方式, 资金缺口越大的商户, 越愿意从传统金融机构融资。

受教育程度变量在模型Ⅱ 中通过了1%统计水平的显著性检验, 且系数为正。这表明, 在其他条件不变的情况下, 与传统机构相比, 商户的受教育程度越高, 选择互联网融资的意愿越强。家庭人口总数变量在模型Ⅰ 中通过了5%统计水平的显著性检验, 且模型Ⅰ 中家庭人口总数系数为正, 这表明在其他条件不变的情况下, 家庭人口总数越多, 与传统金融机构相比, 商户选择民间借贷的意愿更强。