《表6 弱工具识别检验：P2P网络借贷平台风险防控机制和预警体系——基于信用中介化与流动性风险视角》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《P2P网络借贷平台风险防控机制和预警体系——基于信用中介化与流动性风险视角》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

注:***表示1%的显著性水平。

“我的投资金额”变量反映借款人对平台的依赖度。坏账状态与平台的依赖度可能存在反向的因果关系，即“我的投资金额”变量可能是内生解释变量，这会导致一般的Probit回归所得系数不具有一致性，所以还需要对“我的投资金额”变量进行内生性检验。本文将借款类型、是否首标作为内生性解释变量“我的投资金额”的工具变量。一方面满足借款类型、是否首标与我的投资金额的相关性，另一方面满足借款类型、是否首标不直接影响坏账状态的外生性，即间接影响坏账状态。IV Probit估计的结果如表5列（6）所示。对比列（3）和列（6）结果，一般的Probit模型估计时，“我的投资金额”变量的内生性，将低估借款期限、历史成功借款金额、我的投资金额、已还本金和待还本金对出现坏账概率的影响，同时高估借款金额和初始评级对出现坏账概率的影响。弱工具识别检验结果如表6所示，J和AR统计量的p值均在1%的置信水平上显著，所以应该拒绝“内生变量与工具变量不相关”的原假设，即本文所选取的工具变量不是弱工具变量。