因为LSV方法的数据可用性更强,更容易实现,广泛应用于学术界检验羊群行为的存在。本文采用修改LSV方法Wermers [ 6]。方法有三个具体维度:第一,羊群行为的时间间隔测量申请贷款。随着时代的应用越来越多,应用程序将缩短之间的时间间隔,用于演示羊群行为的存在(例如, 7])。第二个是测试市场份额增加是否随着时间的推移,用于演示羊群行为的存在(例如,Lee)和( 5]。第三是使用“是否后续贷款”为因变量检验羊群行为(例如, 8])。

日期必须是高质量的测量羊群行为的存在,无论通过测试时间间隔或测试的市场份额。因此,本文选择“是否后续贷款”作为因变量和“当前贷款”的时间作为自变量。零假设是如果因变量显著积极影响的自变量,小额信贷市场羊群行为;否则,不存在羊群行为。

根据中国小额信贷市场的特点,本文选择15个控制变量。详细描述的名称、代码和定义的变量如表所示 1。

根据所选变量,对应的逻辑回归模型 (1) ln P 1 − P = β 0 + β 1 TCL + β 2 拉 + β 3 LR + β 4 噢 + β 5 敝中断 + β 6 定单计划 + + β 7 G + β 8 一个 + β 9 埃尔 + β 10 FL + β 11 SLT + β 12 NRT + β 13 阿拉巴马州 + β 14 巴勒斯坦权力机构 + β 15 TNB + β 16 双相障碍 + ε 。

P = 1 意味着目前的贷款会后续贷款,而 P = 0 意味着没有后续贷款。

所选样本时期是从2013年第一季度到2017年第四季度。独立变量和控制变量的数据提供 中国小额信贷协会。初步实验结果表明,sig,主机和Lemeshow测试的价值显然是小于0.05。这意味着中不好的模型拟合原始数据作为一个整体。此外,许多变量没有通过显著性检验。因此,为了确保实验结果的可靠性,常见的处理方法是逐步回归和因子分析。形成的共同因素是分析,然后,同样的共同因素是作为一个独立变量逻辑回归分析。

首先,KMO巴特利特球形的考验是进行影响因变量的变量。结果显示在表中 2KMO统计值为0.698,大于0.5的标准价值,所以可以进行因子分析。近似卡方值为240121.092和sig,值是0.001。可以看出,球形假设被拒绝和变量之间存在很强的相关性,因此适合进行因子分析。

由主成分分析提取的常见因素。测试结果表 3表明5个常见因素满足要求时设置提取特征值大于1的因素。同时,结果表明,这五个因素的累积贡献率达到83.83%,具有良好的解释力。

因子载荷矩阵表明,所有选定的因素与原始变量的线性关系,而旋转因子负荷高,这可以简化的解释因素,更有利于各种因素的解释。根据旋转成分矩阵,所有的共同因素 F 我 分别包括变量:第一 F 1 : 噢 , 阿拉巴马州 , 巴勒斯坦权力机构 ;第二个 F 2 : 拉 , 一个 , FLN ;第三个 F 3 : LR , G , TNB ;第四 F 4 : TCL , 敝中断 , 埃尔 , 双相障碍 ;第五个 F 5 : 定单计划 , SLT , NRT 。

以常见的因素为自变量,修改后的物流模式 (2) ln P 1 − P = β 0 + β 1 F 1 + β 2 F 2 + β 3 F 3 + β 4 F 4 + β 5 F 5 + ε 。

综合测试的结果系数表所示 4表明模型的似然比卡方值非常大,和 p 值为0,表明,该方程具有较强的意义。模型的总结表明,−2对数似然值大于卡方检验临界值在上面的表中,表明该模型符合得很好。此外, p Hosmer和Lemeshow测试的价值远远大于0.05,这表明没有足够的理由拒绝零假设。之间有显著差异模型的预测和观察到的值,这表明模型的整体拟合效果很好。

结果在表 5表明, p 价值观第一和第五常见的因素大于0.05而其他人则是小于0.05,这表明模型的系数具有良好的意义及其影响是积极的。特别是,第四个公因子的系数远远高于其他常见因素,这表明 TCL , 敝中断 , 埃尔 , 埃尔 双相障碍 是合理的解释变量。重大的积极影响也表明,与应用程序的当前时间的增加,随后的借贷也将增加。因此,证实中国小额信贷市场有明显的羊群行为。

因为它是不可能直接获得借款人违约时,所提供的资料 小额信贷联盟有关违约借款人违约的次数,所以物流默认模式是最合适的选择。自第一个和第五个常见因素的影响并不显著,我们将消除变量包含在第一个和第五个常见因素。修改后的默认模型如下: (3) ln Y 1 − Y = β 0 + β 1 TCL + β 2 拉 + β 3 LR + β 5 敝中断 + β 6 定单计划 + β 7 G + β 8 一个 + β 9 埃尔 + β 10 FL + β 15 TNB + β 16 双相障碍 。

Y = 1 意味着借款人违约,而 Y = 0 意味着没有违约。

结果在表 6显示的值 p 明显小于0.05,这表明模型系数的全面的测试已经通过了。−2日志可能性的价值也比以前卡方检验临界值,所以该模型适合作为一个整体。此外, p Hosmer和Lemeshow测试的价值也超过0.05,表明模型的整体拟合优度高。

结果在表 7建议的价值 p 小于0.05的系数为负,表明更大的价值 TCL ,违约的可能性就越少。从理论上讲,借款人在中国小额信贷市场的羊群行为可以减少违约的可能性。然而,由于其系数的绝对值很小,其实际影响违约的可能性也非常小,这表明借款人的行为在某种程度上是合理的。当大多数借款人能做到这一点,市场就会自动消除这些借款人违约风险高,从而减少违约风险在整个市场。因此,在中国小额信贷市场羊群行为可以减少违约的可能性。

借款人的能力也影响违约的可能性。之间存在正相关关系 双相障碍 和违约的可能性。当借款人具有较强的投资能力,他或她会选择较低的贷款违约概率和排除目标有更高的违约概率,从而减少违约的概率。另一个投资者的能力的指标 TNB 与默认的负相关。这也表明借款人更有经验,他们可以选择目标减少可能的违约。

与此同时, 埃尔 是违约的概率正相关,这意味着更高的价值 埃尔 ,违约的概率就越高。这可能是由于这样的事实:借款人理解的特点,投资者的偏好,受过高等教育,所以第一手借款人多注意默认。小额信贷机构的性质有重大影响的违约。政府主导的小额贷款违约的可能性更高,尽管nongovernment-led小额信贷机构相对较低。