二元金融、社会网络与家庭借贷

万佳乐 李超伟 秦海林

摘 要：本文研究二元金融背景下社会网络与家庭借贷行为的作用关系，发现社会网络有助于家庭在非人格化交易环境中达成借贷契约，从而缓解信贷约束。根据无限期界的重复博弈分析可知：社会网络在家庭借贷中的惩罚机制和声誉效应能够降低借方的违约动机。通过实证分析及稳健性检验表明：从总体上看，社会网络能够显著提升家庭获得正规金融与非正规金融的借贷概率，社会网络在非人格化特征显著的正规金融上也发挥作用；从融资偏好上看，社会网络强度越大，越有利于在非人格化交易条件下促成契约；从城乡对比来看，社会网络更有助于农户与陌生的交易对手达成借贷契约，而城市家庭则缺乏统计上的显著性。这意味着，不仅非正规金融借贷需要社会网络来进行契约治理，而且在正规金融借贷中也应该实现关系型治理与规范型治理的充分结合。

关键词：社会网络；二元金融；融资偏好；信贷约束；内生性检验

中图分类号：F832.4 文献标识码：A 文章编号：1674-2265（2018）07-0042-08

DOI：10.19647/j.cnki.37-1462/f.2018.07.006

一、引言

中国家庭信贷市场具有典型的正规金融与非正规金融长期共存的二元金融结构特征。正规金融主要是指商业银行、农信社、村镇银行等以及经过合法注册的可以提供金融服务的非银机构，非正规金融主要是指合会、典当行以及民间借贷等。该两部门作为信贷市场的重要组成部分，为家庭的生产和生活提供了必要的金融支持，很大程度上提高了家庭的消费和福利水平。

然而，由于农村金融市场以及家庭部门的抵押品和认知的不完善，农村家庭群体获取资金的借贷渠道几乎只能依托于非正规金融的社会网络所包含的亲邻及民间借贷。即使能够获取正规金融机构的贷款，也需诸多人情、面子以及关系上的助推。事实上，即使在经济水平较为发达、借贷市场较为完善的城镇部门，家庭从正规或非正规金融机构借贷也不可避免地与社会网络发生着千丝万缕的关系。可以说，社会网络具有促进信息共享，缓解信息不对称，降低监督成本，减少交易费用及在资源配置上缓解市场失灵的重要作用（刘景东，2016），从而有助于缓解城乡家庭的信贷约束。既然如此，社会网络在二元金融结构下究竟如何影响家庭借贷行为？社会资本又是怎样化解信贷约束的？城乡之间是否呈现差异性？本文对社会网络作用机制进行分析，并利用北京大学中国社会科学调查中心（ISSS）开展的2014年中国家庭追踪调查（CFPS）数据进行深入探讨。

本文接下来安排如下：第二部分为文献回顾；第三部分是理论分析；第四部分为变量选取及说明；第五部分为实证检验；第六部分为稳健性检验；第七部分是结论与政策建议。

二、文献回顾

借贷市场上的信贷约束普遍存在于发展中国家的农村金融市场（Kochar，1997）。很多学者从不同的角度给出了信贷约束成因的解释：金融市场不完善，制度不健全、政策滞后等，导致金融资源错配，金融供给不足，使得金融抑制长期难以消弭（林毅夫，2001）；抵押物的缺乏（周立，2007）；信息不对称所导致的逆向选择与道德风险（Stiglitz和Weiss，1981）。Stiglitz和Weiss（1981）将信贷约束的根本原因归结于信息不对称，并得到了学术界的普遍认同。

信贷约束的根本原因为信息不对称，后者的出现伴随着严重的逆向选择和道德风险问题，那么如何化解信息不对称？在二元金融结构下，社会网络越来越受到研究者的重视。马光荣和杨恩艳（2011）认为，作为非正式制度的社会网络在资源配置方面可以一定程度上弥补市场失灵的缺陷。杨汝岱等（2011）也指出，中国是一个人情关系社会，社会网络中所蕴含的信任、规范及声誉很大程度上会促进借贷交易的达成。具体来说，从作用機制上来看，社会网络可以很大程度上解决农户借贷双方的信息不对称问题（李菁等，2002）；其声誉机制可降低违约概率（Karlan和Morduch，2010）；在社会网络的强关系背景下，人们主动的风险规避会降低，由此提升家庭对外放贷的参与度（Weber和Morris，2010）。从实证来看，社会网络可以显著促进民间借贷等非正规金融借贷的可能性（马光荣和杨恩艳，2011）。

目前大多数学者对于信贷约束的研究都集中于农村信贷部门，普遍认为中国农村信贷市场存在严重的金融抑制（胡枫和陈玉宇，2012）。然而对于社会网络影响城市家庭信贷约束问题的研究却少之又少。事实上，不仅农村面临着信贷约束，即使在经济发达、金融市场相对完善的城市，也存在着相当严重的信贷约束。在有正规信贷需求的家庭中，城市居民获得信贷满足的比重仅为34.7%，农村仅为11.9%，有29.8%的城市家庭及51.7%的农村家庭只能通过民间借贷等非正规金融机构借贷（宋全云等，2017）。从文献来看，目前鲜有学者对社会网络与城乡二元金融借贷进行研究，本文旨在弥补这一研究空白，并对社会网络在城乡借贷中的作用效果进行细致的分析。本文的研究具有双重二元结构特征，我们不仅要分析社会网络与正规、非正规金融借贷之间的关系，而且还要研究社会网络在城乡借贷中的异质性。与此同时，本文从社会网络的惩罚机制入手，研究在重复博弈环境下借方为何愿意履约，借此说明社会网络有助于家庭的融资需求在非人格化交易中得到满足。

三、理论分析

（一）社会网络在家庭借贷中的作用机制

社会网络具有惩罚机制和声誉激励效应。对于企业来说，由于受有限责任制度的保护，一旦破产清算，所偿债务有限，企业家能借此机会另起炉灶，摆脱责任。可对家庭来说，不管何种形式的债务都具有父债子还的特征。同时，社会网络会利用声誉机制对其进行规范和约束，借方会被人认为是不守信誉，不知恩图报，给予其心理压力和道德谴责，从而激励借款人认真履约。

（二）社会网络惩罚家庭借贷违约的重复博弈模型

家庭借贷中时常存在着借贷双方之间的囚徒困境，因而引发信贷约束。社会网络可利用自身的惩罚机制与声誉激励，将有限期数的囚徒困境博弈转化为无限期的重复博弈。

事实上，家庭借贷市场上的交易很少有一锤子买卖的现象，借贷双方都要反复进入市场，跟不同对手进行交易。所以家庭借贷市场上的博弈无疑具有无限期界的重复博弈特征。

通过以上的分析，提出以下假设：

假设一：在家庭借贷市场上的借贷博弈是一个无限期界的重复博弈。

假设二：社会网络内含一种惩罚机制，可以让重复博弈中的参与人不敢轻易违约。

假设三：虽然家庭借贷市场上存在交易的非人格化特征，但是，在各种情况下的收益函数却是可以预测的。

如表1所示，表中右下方的收益组合乃是集体理性所形成的博弈均衡，但却是不稳定的。左上方是静态博弈情形下基于个人理性所形成的博弈均衡，此时若无社会网络施加的惩罚机制，则博弈双方均获得0单位的收益；然而，一旦引入社会网络的惩罚机制，则借款人将为他的可证实的违约行为支付c单位的成本，而贷款人则因借款人的违约行为蒙受损失，收益为0单位。

表1：博弈双方的收益函数

[ 贷方 非信贷配给 信贷配给 借方 违约 （-c，0） （2，0） 履约 （0，2） （1，1） ]

（三）重复博弈模型求解

为了比较动态博弈中不同期界的收益，有必要对每期收益进行标准化处理。设博弈参与人的每期收益唯一地取决于当期行动，将其记为gi（at）；并对博弈双方均采用同样的贴现因子[δ]来贴现其未来的各期收益（梯若尔，2002）。据此，可以将行动序列（a0，a1，…，aT）的标准化收益表示如下：

[ps=1-δ1-δT+1t=0Tδtgi（at）] （1）

如果借方恪守承诺，坚决不采取违约行为，那么利用表1所设计的收益函数和[limT→+∞δT+1=0]，可将其在无限期界的重复博弈中的标准化期望收益表示为如下形式：

[p1=1-δ1+δ+δ2+…+δt+…=1] （2）

另一方面，如果借方在第t期违约，则其标准化的期望收益为：

[p2=1-δ1+δ+δ2+…+δt-1+2δt-cδt+1-cδt+2-cδt+3…]

（3）

进一步化简后，可得：

[p2=1-δt2δ-c-1] （4）

鉴于借方不违约时的期望收益[p1]恒等于1，所以只要如下关系式成立，则借方就会在重复博弈中选择不违约：

[δ>1+c2] （5）

若将贴现因子理解为博弈参与人的耐心（张维迎，2014），式（5）表明，惩罚力度c能加大贴现因子，增强借方的耐心，使其对未来的潜在收益信心十足，从而减少违约动机。该模型结论有如下几层经济含义：

1. 产生重复博弈激励效应与折现因子密切相关。若折现因子太小，則由博弈延续所带来的激励也不会强大到能克服让借方偏离博弈合作路径的诱惑。此时借方便采取机会主义。

2. 当社会网络的惩罚机制能够正常发挥作用，及时惩处借贷违约行为，即[c>0]时，在式（4）中存在[δ>1+c2>12]，这是一个更优更保险的条件。由此可见，社会网络的惩罚机制显著提高了借方的耐心，使之在重复博弈中更倾向于忠实履约。即处罚力度越大，借方的耐心就越大，违约动机就越小。

3. 社会网络对借方的惩罚不能超过他从家庭借贷市场的交易中所获得的收益。因为贴现因子的定义域为[[0，1]]，所以根据式（5）可以推断出：

[0

这意味着，社会网络对借方违约行为的惩罚应有个限度。过于严厉的惩罚，反而适得其反，让借方铤而走险。

4. 重复博弈必须无限期进行下去，惩罚机制才有效，即式（5）发挥作用的前提条件是无限期界的重复博弈。也就是说，只有当交易具有连续性和稳定性而使得该重复可预期，借方才会重视社会网络的惩罚机制作用，并在交易中进行理性选择。

四、变量选取与说明

（一）数据来源

本文使用的是CFPS（2014）的数据，根据本文研究的需要对数据进行奇异值处理和无效数据删除，保留了2306个数据样本。

（二）变量说明

1. 被解释变量的选择。根据数据特征及二元金融结构的现实背景，被解释变量选取5个指标：是否有银行借款（loan_1）、是否有亲友及民间借款（loan_2）、首选借款对象（loan_g）、亲友借款总额（loan_r）、非亲友民间借款（loan_f）。其中loan_1和 loan_2是二值变量，前者为0表示没有银行借款，1表示有银行借款；后者为 0表示没有亲友及民间借款，1表示有亲友及民间借款。

首选借款对象（loan_g）有6个选项，按交易的非人格化程度从低到高依次排列，分别使用0—5表示任何情况都不借款、亲戚、朋友、非正规金融机构、银行、其他正规金融机构。其一定程度上体现了家庭融资偏好。

全样本使用5个被解释变量，城乡分样本使用前3个被解释变量。

2.核心解释变量及测度。借鉴Putnam（1993）与布尔迪厄（1997）的观点，选取社会网络指标更多关注具有生产性且与社会资本密切联系的指标。同时还参考了马光荣和杨恩艳（2011）的观点，将其与本文所研究问题相结合，最终选择了每月邮电通讯费、重大事件总支出、人情礼节支出、祭祖扫墓、亲友交往联络频率、邻里关系，分别使用fc、event_s、social_s、grave、frequency与relation表示。

进行社会网络强度测度有两种常见方式：一是用单一指标，如结构洞（Burt，1992）及个人所处的位置等（Lin，1982）；二是使用主成分分析与因子分析等直接可以使用的现成体系方法（柴时军，2016；张爽等，2007）。两种都有缺点，第一种是指标过度单一，信息涵盖不足；第二种是KMO的数值是否均大于0.6的临界值①，学者对此并未给出检验过程，使实证结果大打折扣。本文进行社会网络强度的测度没有使用单一指标，而是对变异系数法进行优化与使用。

另外，部分学者使用变异系数法未进行初始标准化处理，导致结果偏差。进行指标的标准化处理，应按指标的属性选择不同的方式②。测度过程具体如下：

第一步：由于社会网络选取的6大指标均为正向指标，应使用正向指标的标准化方式：

[xij=[uij-min（uij）]/[max（uij）-min（uij）]] （7）

其中，[uij]表示第[i]个指标对应于第[j]个家庭原始数据，[xij]表示第[i]个指标对应于第[j]个家庭的标准化数据，[max]表示最大值，[min]表示最小值。

第二步：计算变异系数（[Vi]）。计算社会网络各个组成指标的均值与标准差，分别使用[Xi]与[Si]表示。变异系数为：[Vi=Si/Xi]。

第三步：变异系数归一化处理，计算社会网络6个指标的各自权重（[Wi]）。[W=w1，w2，…，w6]，[wi=Vi/i=16Vi]。

第四步：社会网络综合测度（[social_net]）：[social_net=uij×wi]。实证分析部分将使用这一综合测度数值。

对社会网络综合测度进行对数处理：[ln（1+social_net）]，降低了初始指标数值为0的数据损失，最大限度地保留了样本量。下文的loan_r、loan_f以及收入的对数化处理也是基于此原因。

3. 控制变量的选择。本文重点选取性格特征、家庭纯人均收入（income）以及智力水平（intel）作为控制变量。选择性格特征变量主要是因为性格直爽的人容易获得贷方信任，由此获得贷款；性格优柔寡断的人则不容易被贷方信任，契约达成的概率会降低。按照人格经济学（Heckman，2011）的思路，以衣着的整洁程度、回答问题的可信度、待人接物的水平分别表示户主的严谨性、顺同性、外向性。

（三）描述性统计分析

通过CFPS（2014）的调查数据分析发现，亲戚、朋友、民间借贷机构、银行、非银行正规金融机构、任何情况下都不借款的比重分别为：61.57%、5.7%、1.17%、22.83%、0.09%、8.65%。这说明绝大部分家庭首选的借款对象都是依赖于社会网络进行的，关系型借贷仍然在家庭借贷中具有举足轻重的地位。从亲友借款与民间借款可以看出，亲友之间这种人格化交易方式的金额仍然较大，均值为10326.77元/户，而民间借贷的平均金额为843.34元/户，仅为亲友借贷的8.16%，说明依靠社会网络的亲友借贷不仅是家庭借贷的首选对象，其平均借款金额也相对较大。具体见表2。

五、实证检验

（一）模型设定

1. 二元选择probit模型。loan_1与loan_2是二值变量，所以使用二元选择probit模型。基本方程为：

[prob（loan_1=1X）=prob（αsocial_net+βX+μ>0X）]

（8）

其中[μ?N（0，σ2）]，loan_1为哑变量，取值0与1；social_net为社会网络强度；[α、β]分别为估计系数，[X]为控制变量。下文的式（10）与式（11）中的social_net与[X]的含义与式（8）相同。

loan_2建立的方程与loan_1类似，不再赘述。

2. 有序probit模型。借款对象（loan_g）属于排序数据，数值越大说明信贷关系的非人格化特征越强，人情因素发挥作用的空间也就越小，所以选用有序probit模型（ordered probit，下文简写为oprobit）。假设[y*=x'γ+ε]，loan_g有如下选择规则：

[loan_g=0，若y*≤r01，若r0

其中，[r0

[loan_g=α1social_net+β1X+εi] （10）

3. 截断数据的Tobit模型。loan_r与loan_f的数据中存在大量零点，其数据类型属于设限数据，截断特征显著。基于此，本文采用了处理设限数据的Tobit模型。具体如下：

[y*i=γ+χsocial_net+δX+uiYi=max（0，y*i）] （11）

其中，[γ、χ、δ]为待估参数，[ui]为残差项且服从标准正态分布，[Yi]为亲友借款中大于0的数值。

民间借款（loan_f）仍然选用的是Tobit模型，不再赘述。

（二）内生性问题及工具变量选择

社会网络可能与家庭借贷之间存在复杂双向因果关系，从而导致内生性偏误。一方面，亲戚朋友之间可通过频繁交往来降低交易成本，缓解道德风险，提高借方还款的积极性，促进借贷交易的发生。另一方面，借贷需求可以很大程度上促使家庭花费更多的时间、金钱来维护社会网络。针对两者之间可能存在的内生性问题，我们使用工具变量法，工具变量为家庭规模，其满足相关性和外生性。

（三）全样本条件下的实证检验

表3方程（1）中，在1%显著水平上通过了内生性检验，说明（1）存在内生性问题。此时我们使用工具变量，并用ivprobit进行极大似然估计，第一阶段估计中F值为243.46，大于其10%水平上的临界值16.38，说明方程（2）不存在弱工具变量问题。同理（2）、（4）、（7）、（9）均通过了内生性检验。

（2）的ivprobit结果表明在10%水平上存在正向显著关系，说明社会网络能够提升家庭獲得银行贷款的概率。主要因为社会网络中所蕴含的信任本身就是一种具有价值、生产性和交换性的资本。因此社会网络能在正规借贷中发挥抵押担保的作用，且社会网络强度越高，说明借方经济实力越强，违约率越低（潘纬，2016）。（4）的ivprobit结果表明1%的显著性水平上，社会网络有助于提高家庭获取亲友及民间借贷的概率。背后的经济逻辑是：处于同一社会网络圈子的家庭往往知根知底，对经济水平、借贷历史及个人品行都十分熟悉。利用社会网络在借贷双方建立一种植根于社会文化心理的声誉机制，某种程度上起到了融资担保的作用，从而在借贷双方之间形成有效的激励约束和惩罚机制，有效缓解了家庭借贷行为面临的不完全契约问题。重复博弈环境下，社会网络可以对借方实施惩罚，该惩罚可约束借方行为，使其重视长远收益而不敢轻易违约。对比（2）与（4）的估计结果可得出结论：社会网络对非正规和正规金融均具有正向促进作用，但存在异质性，对亲友这类非正规金融借贷的概率大于获取银行等正规贷款的概率，说明社会网络易在人格化特征显著的非正规金融市场发挥作用。

该结果在（7）与（9）中同样得到反映。亲友借款总额（loan_r）的ivTobit估计结果具有1%显著水平上的正向关系，但其他民间借款总额（loan_f）回归不显著，说明家庭或个体存在资金需求时，往往首选亲友借贷。原因在于，亲友之间的小型社会网络比其他社会网络强度更大，更值得信赖。亲友内部充足的信息和信任可以使成员之间相互熟悉，保障契约的执行，有效减少借方的机会主义以及双方交易的不确定性；很多时候，家庭借贷金额并不大，且银行借贷手续及非正规金融都存在或多或少的评估流程，监督成本较高，借款家庭的担保品以及经济实力被关注，致使借贷交易达成概率下降，无形之中使非正规借贷尤其是亲友借贷对其他借贷方式产生替代效应。

（四）社会网络与家庭借贷行为的城乡差异分析

众所周知，借贷行为与户主所处地区经济环境密切相关。经济不发达的农村金融系统不完备，人格化交易特征显著；而城市的信贷系统相对成熟，那么，社会网络对城乡家庭借贷行为的影响异质性具体如何表现？

表4与表5的计量结果中，一阶段F值分别为128.25与119.38，均大于16.38的F临界值，说明不存在弱工具变量问题；同时均在5%显著性水平上通过了Wald内生性检验，说明工具变量法克服了模型的内生性问题。从核心解释变量的回归结果来看，农村样本的初始模型（1）和（3）使用工具变量前后，社会网络影响的显著性从1%提高到5%，说明模型的内生性偏误过高估计了社会资本对被解释变量的影响。表4与表5在考虑了内生性情况后发现，不论是城市还是农村，社会网络的增强都会显著提升获得正规借贷或非正规借贷的概率。但城乡在社会网络影响借贷首选对象上迥然不同，农村在1%水平上具有显著正向促进作用，但城市缺乏统计显著性，说明相较于城市而言，社会网络更有利于农村家庭在非人格化交易环境中获取金融支持。对此可以从两个角度进行解释：（1）农村不发达的金融市场、相对缓慢的人口流动以及浓厚的世俗人情观念形成了农村显著的人格化特征的交易活动。原本的农村以自身环境和家族为依托进行非正规借贷，并成为平衡短期现金流的重要途径。随着二元经济结构转型，使农村社会网络的强弱比重结构发生变化，强减弱增，导致面临资金缺乏时逐步从亲友等非正规金融转向银行等正规机构。（2）城镇的金融市场发达且人情淡薄，具有典型的非人格化特征。相比农村而言，城市居民的经济和个人独立性更强，其借贷交易人格化特征极少。同时，城市的金融业也相对发达，为城市家庭提供丰富的金融产品，因而城市借贷时更趋向于正规金融而非依赖于社会网络，也致使社会网络及其惩罚机制于无形中丧失了统计上的显著性。

六、稳健性检验

本文实证分析中，使用家庭规模作为工具变量，发现考虑内生性前后的系数正负性未有差异，但部分模型的核心解释变量统计显著性略有改变，因而有必要进行稳健性检验。

对模型（8）、（9）、（10）和（11）采用新的计量方法进行回归分析，对是否有银行借款（loan_1）与是否有亲友及民间借款（loan_2）采用logit回归分析；对首选借款对象（loan_g）采用logit回归分析；用罗宾逊差分估计量对亲友借款总额（loan_r）与民间借款（loan_f）进行半参数回归。表6和表7的稳健性检验结果说明，社会网络与各被解释变量的参数正负性在城乡分样本中均未发生改变，其余核心解释变量估计结果未发生实质改变。此外，我们借鉴柴时军（2016）和张爽等（2007）的思路，使用主成分分析对社会网络重新测度并回归，发现核心解释变量估计结果的正负性以及显著性水平未发生实质变化。

综上所述，本文的计量模型具有良好稳健性，其计量结果可靠。

七、结论与政策建议

本文在二元金融结构背景下研究了社会网络与家庭信贷的关系，并从城乡及借贷来源的双重二元结构角度分析社会网络与家庭借贷间复杂的作用机制。我们发现，社会网络发挥作用，依赖于交易中社会网络范畴下的无限期界重复博弈，这使家庭借贷可无须严苛要求借贷初始资产以及担心借方的机会主义行為。不过其需满足一定前提条件方可发挥作用，如家庭借贷行为的连续性与长期性，社会网络惩罚机制的可置信度和惩罚力度适当等。因此，借方应维护和遵守社会网络的规范与约束，贷方也应考虑除可估经济因素以外的借贷连续性和借方生命周期的财富积累这两个特点，重视社会网络的价值。整体上，社会网络可以促进家庭贷款的可得性以及借贷金额的增加。但是该作用城乡有别，农村较城市而言更显著。农村从传统意义上的“道义金融”向以制度保障的“契约金融”过渡，影响了农户首选借贷对象的选择，使其从非正规借贷逐步向正规借贷过渡；相较于城市而言，社会网络更有利于农村家庭在非人格化交易环境中获取金融支持。

基于理论与实证分析，本文给出如下政策建议：（1）要最大化发挥社会网络的价值必须统筹考虑城乡差异、地域文化、经济发展、制度变迁等多种因素，同时应该更加注重社会网络的量化分析。（2）政府应在制度变迁的框架中因势利导，实现关系型治理与规范治理模式相结合。通过让正式制度与非正式制度结合，营造更加完备的信贷市场环境，缓解信贷约束。尤其对于广大农户来说，缺乏抵押品时应充分考虑农户以地缘、亲缘为关系的社会网络所具有的担保作用，化解农村地区的贷款难问题。（3）城乡二元经济格局使农村金融生态和金融市场发展不完善，使我国面临的信贷约束问题更严峻。依托社会网络的非正规金融则可以在很大程度上弥补非正式金融的缺陷，降低居民家庭信贷约束。

注：

①这里参考的是Kaiser给出的大于0.6的准则。当然现实中为了实现结果的严谨性，有些学者也会给出更高的标准如0.7和0.8等。

②标准化处理方式的补充：负向指标标准化为：[xij=[max（uij）-uij]/[max（uij）-min（uij）]]，中性指标标准化为[xij=1-（uij-ci/maxuij-ci）]。其中，字母表示含义和正文相同，[ci]为设定的某一常数值。

③为了节约篇幅，这里对控制变量的回归结果没有报告。

参考文献：

[1]Kochar Anjini. 1997. Anempirical Investigation of Rationing Constrainsin Rural Credit Markets in India[J].Journal of Development Economics， （53）.

[2]Stiglitz J E， Weiss A. 1981. Credit Rationing in Markets with Imperfect Information[J].American Economic Review， （3）.

[3]Basely T J. 1995. Saving， Credit and Insurance[A].Handbook of Development Economics[C].Amsterdam： Elsevier Science.

[4]Khandker S R， Faruque R R The Impact of Farm Credit in Pakistan[Z].World Bank，2001.

[5]Karlan，D.，Morduch J. 2010.“Access to finance”， in Dani Rodrik and Mark Rosenzweig （Ed.）， Handbook of Development Economics， 5 （3）.

[6]Weber E. U.， Morris M. W. 2010. Culture and Judegment and Descision Making[J].Perspectives on Psychological Science，5（4）.

[7]Putnam，R.，R.Leonardiand，R. Nanetti. 1993. Making Democracy Work： Civic Tradition in Modern Italy[M]. Princeton： Princeton University Press.

[8]Burt， Ronald. 1992. Structural Holes：The Social Structural Of Competition， Cambridge MA：Harvard University Press.

[9]Lin Nan. 1982. Social Resources and Instrument Action， in Social Structure and New Work Analysis，Editedby Marsden， Peter， Nan， Lin， and Beverly Hills， CA： Sage Publications， Inc..

[10]Heckman. 2011. Personality Psychology into Economics[C]. NBER Working Paper.

[11]劉景东.农村民间金融组织的稳定性和脆弱性研究——基于社会网络的研究视角[J].金融经济学研究，2016，（4）.

[12]林毅夫.新世纪我国金融市场的发展模式[J].中国投资，2001，（2）.

[13]周立.农村金融市场四大问题及其演化逻辑[J].财贸经济，2007，（2）.

[14]朱信凯. 流动性约束、不确定性与中国农户消费行为分析[J].统计研究，2005，22 （2） .

[15]马光荣，杨恩艳.社会网络、非正规金融与创业[J].经济研究，2011，（3）.

[16]杨汝岱，陈斌开，朱诗娥.基于社会网络视角的农户民间借贷需求行为研究[J].经济研究，2011，（11） .

[17]李菁，林毅夫，姚洋.信贷约束、土地和不发达地区农户子女教育投资[J].中国人口科学，2002，（6）.

[18]胡枫，陈玉宇.社会网络与农户借贷行为——来自中国家庭动态跟踪调查（CFPS）的证据[J].金融研究，2012，（12）

[19]梯若尔.博弈论[M].北京：中国人民大学出版社，2002.

[20]张维迎.博弈与社会[M]. 北京：北京大学出版社，2014：139164.

[21]布尔迪厄.文化资本与社会炼金术[M].上海：上海人民出版社，1997.

[22]柴时军.社会网络、年龄结构对家庭金融资产选择的影响[D].暨南大学博士论文，2016.

[23]张爽，陆铭，章元.社会资本结构的作用随市场化进程减弱还是加强——来自中国农村贫困的实证研究[J]. 经济学季刊，2007，（s2）.

[24]潘纬.社会资本在农户借贷中的作用机制及其统计分析[M].安徽大学，2016.