数字化时代大学生信用评估体系设计

张汇文 林真毅 盛夏 唐岳鹏

[提要] 普惠金融的迅速发展和数字化消费习惯的培育影响大众信用行为的转变，正确评价大学生人群在新情境下的信用水平，从而提升大学生人群的信用认知水平和信用行为能力，关系到社会整体信用体系完善的重要目标。依托传统信用评估体系，选取与时代相契合的大学生信用评估指标，构建从诚信度、践约度和合规度三个维度结合时代特征和数字转型特征设计包含39项影响因素的大学生信用评估体系，采用因子分析法對其进行更精确的筛选与划分，得到一个可以实时反映数字情景下的大学生信用情况的评估体系，将互联网时代带入大学生征信模型的思考。

关键词：大学生信用评估体系;指标筛选;因子分析法

基金项目：2019年上海市大学生创新训练计划“上海市大学生创新训练项目”（项目编号：CS1903012）

中图分类号：F83 文献标识码：A

收录日期：2020年4月20日

大力发展普惠金融，是我国全面建成小康社会的必然要求，推动大众创业、万众创新，增进社会公平和社会和谐是一直以来的目标。近年来我国针对企业、个人信用追踪的需求空前强烈，征信体系建设是社会与经济发展的必经之路，但随着“互联网金融”、“大学生信贷”等相关金融产品融入大学生生活，社交网络中趋于同质化的生活理念推广，让这个初入社会的群体同时受到金融行业和互联网世界的影响，伴随着尚未成型的消费观，常常会误入“资不抵债，以贷还贷”的恶性循环。本文基于上述背景，重点研究在数字化消费逐渐成为主流消费方式背景下大学生信用表现的征集方法，为理论拓展与实践提出相关参考建议。

一、大学生信用评估体系指标构建

（一）指标体系构建理论依据

1、信用指标影响因素相关研究。吴晶妹（2002）认为个体诚信度、践约度、合规度三个方面对成人信用优劣进行衡量。针对在校期间大学生信用，王艺（2018）通过三维影响因素确定其失信率、违规率、违约率综合后确定大学生信用质量，诚信信用包含大学生在社会中的真实表现，合规度包含大学生规章制度遵守情况，践约信用包含大学生收入与偿债能力。具体影响指标的选取大多数学者都试图通过校内活动对其信用画像进行刻画，主要包括学生自然信息、在校表现情况、收入信息和外部环境等一级指标，并在二级指标中进行延伸;余思敏、陈文慧等（2018）参考 “5C”要素将在校道德水平与社会评价纳入衡量标准;李岚晟（2018）认为大学生人际关系可以纳入体系中作为一级指标的辅助指标;高雪平（2018）提出将大学生在金融市场中的心理状态作为一级指标结合社会表现和校园表现建立相应的体系;但是有关互联网环境下大学生的信用表现涉足的学者并不是很多，互联网金融影响因素和社交网络影响因素被大多数人所忽略。

2、信用指标体系筛选方法相关研究。众多学者在信用体系建设过程中使用最多的统计方法是层次分析法、因子分析法和德尔菲法。其中，不少学者已将征信体系投入使用，但事实上层次分析法与德尔菲法在指标设立过程中包含主观性过于强烈，得出的体系对参考指标依附性较强，在体系建设过程中大多数参考指标的设立目标都是以成年人为样本，可参考性有待商榷。

3、数字转型背景下大学生信用的影响因素。互联网社交网络对生活产生的快速变革会引起个体信用表现的变化，实时传递的互联网信息将使用者连接起来形成一个巨大的社群，价值观、理念、思想在这个社群中也发生相较于文字交流更迅速的传递，黄茉莉（2016）认为在社交网络普及的前提下消费者在金融活动中的行为更易被社群所影响，Cliff A.Robb和Deanna L.Sharpe（2009）认为在成年后的7年内个体受到的金融教育和养成的金融意识会对其产生持续性的影响，金融知识丰富、信用态度积极的大学生往往会拥有更高的信用卡余额;在三度影响学说的假设前提下，王庆顺（2019）结合“邓巴数字”、“六度分隔假说”讨论社交关系对金融领域影响的前提便是对信用和理念的冲击。社交网络将极大程度的加速了消费思想、投资思想甚至信用思想的传播，超前的消费意识形态和生活观念，也会对大学生信用表现产生影响。

（二）指标体系构建。依据吴晶妹提出的三位信用论从已有文献中筛选可靠指标，共提炼得到34个影响因素。（图1）

1、诚信度：主要表现在受评估者最基本的道德诚信水平中，王艺（2018）认为诚信度应包括个体基本特征、生活环境、受教育程度、社会道德文化遵守程度、精神素养、行为准则等方面。主要对个体的基本信息进行补全采集。基本素养符合社会公允的水平、行为端正的个体在信用表现中才会拥有较为稳定的基石。对于个体信用信息产生影响除了自身基本情况外还有大学生父母的影响，大学生作为鲜有收入的个体，父母给予的生活费是其最主要的经济来源，在步入社会前长时间受到监护人耳濡目染的影响，在消费行为和信用表现中均会有所体现，所以在对诚信度进行构建时，张子豪、李军成等（2018）将父母产生影响的因素也纳入考虑。

2、践约度：主要体现在个体针对消费合约的完成情况和遵守交易规则的能力，体现大学生信用成熟度和契约度，高雪平（2018）将类似践约度的一级维度划分为缴费情况、消费透支情况、助学贷款申请情况和信用消费情况（支付宝信用分）。笔者认为经济来源（支付能力）和诚信因素都是对践约度主要的影响，崔士冬（2009）等多位学者都将收入情况和在校学术诚信情况作为一级指标进行分析。通过经济来源判断个体在面对风险时的规避能力，通过对其消费偏好判断可能面对的经济风险和交易的违约概率。将经济来源划分为主要经济来源和提前消费经济来源，主要经济来源需覆盖大学生完整的还款能力;过度消费是目前大学生曝露在外最常见的风险，出于对提前消费、网络小贷平台的依赖，大学生在各类平台中的留痕将作为对提前消费经济来源的判断依据。李岚晟（2018）提出利用目前在市场中广为接受的平台“花呗”和各大银行推出的信用卡业务是提前消费情况数据的主要来源，从互联网金融、提前消费透支消费心理向大学生消费心理渗透，对大学生信用进行探讨。同时，在如今的消费市场中除了受传统广告带动消费外，各类网络直播推销、意见领袖（网红）的推广都将影响大学生的消费行为。在互联网社交平台的发展前提下，网红经济作为当今热点名词，网红产品、奢侈品大行其道对大学生造成的影响是不可小视的。

3、合规度：信用合规的前提是建立在个体对社会法律法规的严格遵守的条件下，大多表现在大学生在校生活中遵守学校相关规定、社会道德约束、公共文明契约的能力，体现大学生作为社会群体中的一部分对整个社会公共贡献的成熟和信任度。从社交网络的表现对大学生信用合规度进行刻画。区别于固定思维模式中的“合规”二字，个人社会表现、社交网络表现两个方面可以更好地彰显个体在互联网大环境下是否存在违规风险。具体影响因素如图2所示。（图2）

二、大学生信用评估体系指标筛选

（一）因子指标筛选。在对本例进行可行性检验中，KMO为0.766>0.7，巴特利特球形检验值为0.000小于0.005，表明样本中各个指标适合进行因子分析。通过因子分析法构建模型同时起到简化指标的作用，将调查问卷数据导入SPSS 25.0软件。共计提11个因子，累计方差贡献率66.578%，以0.5为研究标准，对旋转后的成分矩阵进行筛选将不合要求的因素删除，具体旋转后的成分矩阵如表1所示。结合以上筛选标准对影响因素进行剔除，删除“交通违规记录”、“家庭所在地”、“专业相关技能”、“性别”、“政治面貌”五项。累计提取11个因子共34个指标。（表1）

（二）模型建立。为了进一步明晰提炼出的11个因子之间所覆盖的经济学意义，对得到的指标体系进行命名。根据表1、表2可以看到在影响大学生信用践约能力的主要因素中，“花呗”和信用卡的使用情况对其拥有较高的契合程度可以良好的作为践约度的量化因子，将其分别命名为“花呗经济来源”和“信用卡经济来源”;将“网络平台知识付费情况和数字消费情况”命名为“数字消费倾向”;“待还资金比例和大额交易习惯”命名为“信用交易习惯”，两个指标从偏好数字消费的倾向和偏好信用支付的偏好作为一级指标辅助前两个指標对大学生诚信合规度进行解释。

由“生活费额度、月消费额度和兼职收入额度”三个印象因素组成的二级指标主要反映大学生的收入能力和消费态度，将其命名为“收支缺口”;针对在校期间表现主要由“奖学金获得情况和在校成绩排名”两项指标构成，将其命名为“学习能力”;“年龄与所在年级”为大学生基本信息，“父母工作类型和父母受教育程度”主要解释大学生受到来自父母的信用教育而产生的潜在表现，所以将其命名为“父母信用引导因素”。由“收支缺口”，“学习能力、基本信息和父母信用引导因素”可以基本反映大学生生活诚信度。

在对大学生生活中的举动是否符合社会基本道德规定和法律法规的量化过程中，“社交平台不良记录、在校不良记录、共享产品逾期记录、助学带逾期记录、公检法不良记录、花呗逾期记录”六项指标最具有解释力度，将其命名为 “社会不良记录”;“意见领袖影响心理、受意见领袖影响情况和消费从众心理”三项指标从个体在互联网中会受到的引导到最终会发生过度消费的概率衡量大学生出现冲动消费的概率，将其命名为“意见领袖影响因素”;“微博影响力和微博点赞数量”两者主要衡量大学生在陌生环境下的影响力和社交环境，将其命名为“社交影响力”。通过“社交影响力”、“社会不良记录”和“意见领袖影响因素”三项指标衡量大学生在陌生环境下的合规情况。通过上述的筛选和指标命名，提取11个一级指标，共34个二级指标最终指标体系如表2所示。（表2）

（三）实证结论。在本文中对大学生信用评估体系进行了初步的探索，通过理论分析，大学生征信体系需以普通征信模式为基础蓝本，在其中穿插大学生独有的身份特征，借鉴吴晶妹三位信用理论，从大学生校园生活诚信度、网络消费践约度和数字社会合规度这三个方面入手，通过数据分析，用因子分析法对数据进行初步筛查统计效果不是十分有效的指标，将剩余指标归类整合，提取34个指标组成的数字转型背景下的大学生信用评估体系，指标之间存在一定的联系，但是维度之间具有独立性。

结论：大学生在生活中的诚信表现，主要受到个人习惯和父母对大学生的影响，父母的不同工作环境和受教育程度为大学生带来的教育和消费观念也会产生不同的影响，越高的教育投入在步入高校后学生对良好信用的重视程度也更高。大学生针对合约的践约行为主要与其经济来源、消费习惯和消费偏好有关。越早接触到信用消费，越多的在各类金融中介中留痕意味着对良好信用状况的重视程度更显著，更有动力着手于兼职弥补资金短缺的问题，更早的通过劳动收益避免违约风险。在消费偏好中，大量大额交易通过网络支付手段进行，通过网络消费信用留痕不再成为困难，可以更好地量化大学生的信用践约能力。合规信用与社交网络风险和其他风险有关，对大多数受评估者而言活跃的社交活动与其消费行为有紧密的相关性，通过互联网各类促销或意见领袖的带领，大学生会接受更加高层次、优质的生活方式，在互联网中花费更多的时间也会对消费从众心理造成一定程度的影响，同时当今大学生在社交网络中的言论也能体现其在生活中难以表达出的隐藏面。

三、结论及展望

在现今数字转型的时代背景下，通过对指标体系的筛选得到：“网络小贷平台”、“信用支付”的使用情况和个体各类“互联网中的表现”可以对大学生信用有较好的解释力度，个体在社交网络中的表现应当作为参考纳入衡量信用优劣的因素中。互联网对当今生活的融入早已不止是便捷使用的工具，而且已经成为我们无法脱离的生活社区。未来针对大学生信用教育可以采取传播效率更快速的互联网进行大面积覆盖，规范意见领袖在大学生面前的行为来营造一个更加健康的信用环境，规范在互联网中传播的消费思想，信用教育不应只限于学校，对生活中的融入才能在潜移默化中达到理想的效果。

本文在数据收集过程中并没有得到足够有效且庞大的数据样本，针对影响因素的选择也可以拥有更多的思路，希望文中研究成果对未来高校信用体系建设可以提供一定的参考价值和借鉴作用。

主要参考文献：

[1]吴晶妹.未来中国征信：三大数据体系[J].征信，2013.31（1）.

[2]王艺.我国大学生信用建设研究[D].中央财经大学，2018.

[3]高雪.互联网金融背景下我国高校学生网络信贷存在的问题及对策研究[J].信息记录材料，2018.19（1）.

[4]黄茉莉.社交网络对消费者金融行为的影响研究[J].科技广场，2016（4）.

[5]崔士冬.基于模糊综合评价法的国家助学贷款信用风险评估研究[D].中国海洋大学，2009.

[6]袁章帅，李敬明，闫瑞林，严升.大学生个人信用评价模型[J].长春工业大学学报，2019.40（3）.

[7]侯雨欣，王冲.基于德尔菲法与因子分析的大学生信用评价指标筛选研究[J].四川师范大学学报（社会科学版），2016.43（5）.

[8]余思敏，陈文慧，贺杰，张子豪，李军成.基于模糊层次分析法的大学生“校园贷”个人信用评估[J].科技创新与应用，2018（34）.

[9]李岚晟.校园贷2.0背景下大学生信贷风控评估指标体系的建立[J].财会学习，2018（11）.

[10]李叔蓉.基于互联网的个人信用评估体系构建[D].兰州大学，2019.

[11]黄超，殷建国，张军，张洪波，王婷.层次分析法计算风险评估指标权重[J].中国公共安全（学术版），2018（2）.

[12]王庆顺.基于社交网络大数据的个人征信研究[D].浙江大学，2019.

[13]Robb C A，Sharpe D L.Effect of Personal Financial Knowledge on College Students Credit Card Behavior[J].Social ence Electronic Publishing，2009.