基于DEA模型的P2P網(wǎng)貸網(wǎng)站效率評(píng)估

徐慧婷

基于DEA模型的P2P網(wǎng)貸網(wǎng)站效率評(píng)估

徐慧婷

從投入產(chǎn)出的角度構(gòu)建了P2P網(wǎng)貸網(wǎng)站效率評(píng)價(jià)的指標(biāo)體系，運(yùn)用數(shù)據(jù)包絡(luò)分析法的CCR評(píng)價(jià)模型，對(duì)18個(gè)P2P網(wǎng)貸網(wǎng)站進(jìn)行了定量分析。結(jié)果表明：其中9個(gè)網(wǎng)貸網(wǎng)站為DEA相對(duì)有效，另外9個(gè)為相對(duì)非有效；非有效網(wǎng)站的頁面平均大小、網(wǎng)站總頁面數(shù)、外部鏈接率等指標(biāo)冗余率較高。此外，根據(jù)投影和對(duì)比結(jié)果，對(duì)非有效的網(wǎng)站進(jìn)行了有效性改進(jìn)分析，并在此基礎(chǔ)上，給出了提升P2P網(wǎng)貸網(wǎng)站效率的建議。

P2P網(wǎng)貸;DEA模型;網(wǎng)站效率

互聯(lián)網(wǎng)金融發(fā)展迅猛，新型機(jī)構(gòu)不斷涌現(xiàn)，P2P(Peer to Peer)網(wǎng)貸平臺(tái)是其中最有活力和代表性的業(yè)務(wù)模式之一。P2P網(wǎng)貸是指?jìng)€(gè)人通過網(wǎng)絡(luò)平臺(tái)相互借貸，通常被視為傳統(tǒng)民間借貸的互聯(lián)網(wǎng)延伸。P2P網(wǎng)貸平臺(tái)為借貸雙方提供了諸如信息溝通、信用評(píng)價(jià)、投資咨詢等交易促成服務(wù)，成為個(gè)人消費(fèi)、小微企業(yè)經(jīng)營在銀行體系以外的重要融資渠道。據(jù)網(wǎng)貸天眼發(fā)布的數(shù)據(jù)顯示，截至2016年12月31日,我國P2P網(wǎng)貸平臺(tái)數(shù)量達(dá)4 624家。P2P網(wǎng)貸的迅猛發(fā)展引起了國內(nèi)外眾多學(xué)者的關(guān)注，目前關(guān)于P2P網(wǎng)貸的研究主要有以下兩方面：一是平臺(tái)本身的研究，包括P2P網(wǎng)貸創(chuàng)新的商業(yè)模式研究[1-2]和平臺(tái)效率的影響因素分析[3]；二是對(duì)平臺(tái)參與人的研究，比如針對(duì)投資人的信息搜集和決策行為研究[4-5]和平臺(tái)借款人信用風(fēng)險(xiǎn)評(píng)估等[6]。目前很少有就P2P網(wǎng)貸網(wǎng)站效率進(jìn)行定量分析的研究，鑒于此，本研究從投入產(chǎn)出角度出發(fā)，運(yùn)用 DEA模型從網(wǎng)站效率評(píng)價(jià)方面對(duì)我國典型P2P網(wǎng)貸網(wǎng)站發(fā)展?fàn)顩r進(jìn)行定量分析，得到不同網(wǎng)站的效率值。一方面通過網(wǎng)站資源投入產(chǎn)出效率研究我國P2P網(wǎng)貸網(wǎng)站發(fā)展規(guī)模與水平，另一方面分析P2P網(wǎng)貸網(wǎng)站存在的不足之處及原因，并提出調(diào)整策略，以對(duì)P2P網(wǎng)貸網(wǎng)站的建設(shè)與改進(jìn)提供參考。

一、評(píng)價(jià)方法與指標(biāo)選取

(一)DEA 評(píng)價(jià)模型介紹

數(shù)據(jù)包絡(luò)分析(data envelopment analysis, DEA)是由著名運(yùn)籌學(xué)家Charnes, Cooper和Rhodes于1978年提出的，它以相對(duì)效率概念為基礎(chǔ)，以凸分析和線性規(guī)劃為工具，計(jì)算比較具有相同類型的決策單元(Decision making unit，DMU)之間的相對(duì)效率，依此對(duì)評(píng)價(jià)對(duì)象做出評(píng)價(jià)。本文的分析采用了CCR-DEA 模型。設(shè)有n個(gè)決策單元DMUj(j=1,2,…,n)，它們的投入，產(chǎn)出向量分別為Xj=(x1jx2j…xmj)T>0,Yj=(y1jy2j…ysj)T>0,j=1,…,n， 則評(píng)價(jià)第j0決策單元的 CCR模型線性規(guī)劃(P)為

(1)

其中，νi和μr分別是第i種投入指標(biāo)和第r種產(chǎn)出指標(biāo)的權(quán)重系數(shù)，ε是非阿基米德無窮小量，θo為平臺(tái)的產(chǎn)出投入比。模型的對(duì)偶模型可表示為

(2)

對(duì)于非DEA有效的決策單元，可以通過投影的方式將其投向效率前沿面，從而投影所得的點(diǎn)投入產(chǎn)出組合即為DEA有效，以達(dá)到對(duì)非有效DMU進(jìn)行改進(jìn)。

(二)指標(biāo)選取

運(yùn)用DEA 的方法對(duì)P2P網(wǎng)貸網(wǎng)站進(jìn)行效率評(píng)價(jià)，首先需要建立相應(yīng)的評(píng)價(jià)指標(biāo)體系，本研究把每個(gè)P2P網(wǎng)貸網(wǎng)站看成一個(gè)決策單元(DMU)，以網(wǎng)站建設(shè)投入、用戶和外部機(jī)構(gòu)對(duì)網(wǎng)站的認(rèn)可來界定網(wǎng)站的投入與產(chǎn)出。近年來，國內(nèi)外研究者對(duì)網(wǎng)站評(píng)價(jià)指標(biāo)體系已有一定的研究。如Muyilea等[7]從網(wǎng)站信息、網(wǎng)站結(jié)構(gòu)、網(wǎng)站速度等指標(biāo)體系來評(píng)價(jià)客戶對(duì)網(wǎng)站的滿意度。楊選輝等[8]從網(wǎng)站的內(nèi)容設(shè)計(jì)、結(jié)構(gòu)設(shè)計(jì)、易用性、安全性等方面出發(fā)構(gòu)建了外部認(rèn)可的中文軍事信息網(wǎng)站效率評(píng)價(jià)體系。王秀峰等[9]根據(jù)網(wǎng)站流量統(tǒng)計(jì)信息，從網(wǎng)站規(guī)模、網(wǎng)站質(zhì)量、網(wǎng)站推廣、網(wǎng)站輔助功能、用戶情感等5個(gè)方面構(gòu)建一套網(wǎng)站可用性分析指標(biāo)體系，并系統(tǒng)探討如何從網(wǎng)站流量信息中采集網(wǎng)站可用性分析指標(biāo)的數(shù)據(jù)和計(jì)算方法，為網(wǎng)站可用性分析提出一種新思維。

運(yùn)營一個(gè)網(wǎng)站所需要的投入涉及到很多方面，如網(wǎng)站內(nèi)容建設(shè)方面的投入、網(wǎng)站設(shè)計(jì)及維護(hù)方面的投入，網(wǎng)站推廣方面的投入、網(wǎng)站搭建的硬件設(shè)施投入等。本研究對(duì)網(wǎng)站評(píng)估的研究焦點(diǎn)主要針對(duì)電子商務(wù)網(wǎng)站結(jié)構(gòu)設(shè)計(jì)與維護(hù)方面、網(wǎng)站內(nèi)容建設(shè)方面、網(wǎng)站推廣方面，通過借鑒前人相關(guān)評(píng)價(jià)的指標(biāo)體系，歸納起來主要包括：網(wǎng)站規(guī)模、網(wǎng)站更新、網(wǎng)站推廣、網(wǎng)站鏈接、網(wǎng)站結(jié)構(gòu)等5個(gè)一級(jí)輸入指標(biāo)。評(píng)價(jià)一個(gè)網(wǎng)站是否受歡迎主要考察網(wǎng)站吸引顧客來訪數(shù)量、顧客愿意瀏覽網(wǎng)站的頁面數(shù)以及外網(wǎng)站對(duì)該網(wǎng)站的重視程度，所以，在輸出指標(biāo)方面，本研究選擇顧客響應(yīng)和外部認(rèn)可2個(gè)一級(jí)輸出指標(biāo)。最終構(gòu)建了包含5個(gè)輸入指標(biāo)和2個(gè)輸出指標(biāo)的P2P網(wǎng)貸網(wǎng)站效率評(píng)價(jià)理論模型，并根據(jù)模型中的一級(jí)指標(biāo)選出代表性強(qiáng)、可信度高的二級(jí)定量指標(biāo)(如圖1)。

圖1 P2P網(wǎng)貸網(wǎng)站效率評(píng)價(jià)理論模型

其中，網(wǎng)站規(guī)模選取網(wǎng)站總頁面數(shù)(PAG)和頁面平均大小(APS)2個(gè)二級(jí)指標(biāo)，體現(xiàn)了網(wǎng)站在整體規(guī)模建設(shè)、內(nèi)容豐富程度、形式多樣程度等方面的投入量；網(wǎng)站更新選取網(wǎng)站更新率(UDR)作為二級(jí)指標(biāo)，代表了網(wǎng)站在互聯(lián)網(wǎng)金融產(chǎn)品有效性、前沿性的投入量；網(wǎng)站推廣選取網(wǎng)站 meta標(biāo)簽率(MTP)和百度收錄關(guān)鍵詞數(shù)(BK)為二級(jí)指標(biāo)，反映了網(wǎng)站在被搜索引擎收錄的幾率、擴(kuò)大網(wǎng)站知名度等推廣工作方面的投入量；網(wǎng)站鏈接選取網(wǎng)站總鏈接數(shù)(TL)和外部鏈接率(FLP)2個(gè)二級(jí)指標(biāo)，反映網(wǎng)站在維持內(nèi)容穩(wěn)定性、豐富性等方面的投入量；網(wǎng)站結(jié)構(gòu)選取頁面返回率(RP)和鏈路完整性(NBL)2個(gè)二級(jí)指標(biāo)，反映了網(wǎng)站在網(wǎng)站鏈路完整性、導(dǎo)航設(shè)計(jì)完整性等方面的投入量。

顧客響應(yīng)選取日均IP訪問量和日均頁面瀏覽量PV 2個(gè)二級(jí)指標(biāo)，此兩項(xiàng)指標(biāo)均為3月日均統(tǒng)計(jì)量，日均IP訪問量越大，說明網(wǎng)站的用戶數(shù)越多，網(wǎng)站的影響力越大；日均頁面瀏覽量PV越大，則說明頁面吸引力越強(qiáng)，網(wǎng)站的影響力越強(qiáng)。外部認(rèn)可選取反鏈接(TFS)1個(gè)二級(jí)指標(biāo)，外站指向鏈接數(shù)越多，反映外站對(duì)該網(wǎng)站投的支持票越多，說明網(wǎng)站的資源和內(nèi)容等越受到大家的認(rèn)可和重視，網(wǎng)站的影響力越大。

二、網(wǎng)貸網(wǎng)站DEA效率評(píng)價(jià)實(shí)證分析

(一)樣本網(wǎng)站選取與數(shù)據(jù)獲取

目前，P2P網(wǎng)貸網(wǎng)站數(shù)目眾多，為了更好地進(jìn)行評(píng)價(jià)和分析，本研究考慮到各決策單元(DMU)在功能、受眾體、網(wǎng)站內(nèi)容等方面具有一致性和可比性的特征，選取兼具一致性和差異性的代表性網(wǎng)站進(jìn)行效率評(píng)價(jià)分析。所以，本研究以站長之家網(wǎng)站排行榜(top.chinaz.com)收錄的排名靠前且數(shù)據(jù)可獲得性的網(wǎng)貸網(wǎng)站為篩選對(duì)象，最終確定紅嶺創(chuàng)投、人人貸、搜易貸、積木盒子等18個(gè)網(wǎng)貸網(wǎng)站作為參考樣本。

樣本網(wǎng)站確定后，運(yùn)用 Maxamine Web Analyst 和 Alexa 等工具進(jìn)行樣本網(wǎng)站指標(biāo)數(shù)據(jù)的采集，其中PAG、APS、TL、FTP、MTP、UDR、RP、NBL共8個(gè)輸入指標(biāo)運(yùn)用 Maxamine Web Analyst 軟件進(jìn)行抓取并處理，輸入指標(biāo)BK與輸出指標(biāo)TFS運(yùn)用站長工具(http://www.tool.chinaz.com)獲取， IP、PV 2個(gè)輸出指標(biāo)運(yùn)用 Alexa 網(wǎng)站分析工具(http://www.alexa.cn)獲取。考慮到網(wǎng)站具有動(dòng)態(tài)性，為保證分析結(jié)果的準(zhǔn)確性，所有指標(biāo)數(shù)據(jù)采集工作在同一時(shí)間段完成。具體網(wǎng)站樣本與輸入輸出指標(biāo)數(shù)據(jù)見表1。

表1 P2P網(wǎng)貸網(wǎng)站DEA效率評(píng)價(jià)輸入輸出指標(biāo)數(shù)據(jù)

(二)P2P網(wǎng)貸網(wǎng)站的效率值分析

對(duì)DEA 模型回歸求解的工具較多，本研究采用Matlab7.1對(duì)統(tǒng)計(jì)到的輸入輸出數(shù)據(jù)進(jìn)行CCR-DEA 模型回歸求解。Matlab具有強(qiáng)大的矩陣運(yùn)算能力與足夠的線性規(guī)劃功能，可方便編寫DEA應(yīng)用程序，通過Matlab編程求出CCR回歸模型的最佳權(quán)向量、投入與產(chǎn)出的松弛變量以及各決策單元(DMU)的效率值。

1.P2P網(wǎng)貸網(wǎng)站總體效率分析

利用Matlab軟件對(duì)上述18個(gè)DMU的輸入輸出數(shù)據(jù)進(jìn)行CCR輸出導(dǎo)向的DEA模型回歸求解，結(jié)果顯示θ=1的網(wǎng)貸網(wǎng)站有9個(gè)，且這些決策單元的投入產(chǎn)出松弛變量都為0，說明上述18個(gè)網(wǎng)站中9個(gè)DEA有效，9個(gè)非DEA有效，各決策單元(DMU)效率見表2所示。

表2 P2P網(wǎng)貸網(wǎng)站的DEA效率

DMUθDMUθDMUθ紅嶺創(chuàng)投1.0000愛投資1.0000翼龍貸0.8225人人貸0.2590玖富網(wǎng)0.4398易通貸0.2994搜易貸0.5195合拍在線1.0000拍拍貸1.0000積木盒子1.0000網(wǎng)利寶0.8586愛貸網(wǎng)1.0000投哪網(wǎng)0.1431理財(cái)網(wǎng)0.8962一起好1.0000宜人貸1.0000愛錢進(jìn)1.0000付融寶0.4355

2.有效DMU被參照的頻率分析

參照頻率是指對(duì)非DEA有效的 DMU決策單元進(jìn)行有效性改進(jìn)時(shí)參照DEA有效的DMU決策單元的次數(shù)。18個(gè)網(wǎng)站中9個(gè)有效網(wǎng)站的參照頻率見表3。

由表3可知，愛錢進(jìn)的參照頻率最高,數(shù)值為8。說明對(duì)其他9個(gè)非DEA有效的網(wǎng)站改進(jìn)時(shí),有8個(gè)是以愛錢進(jìn)為參照對(duì)象。其次，宜人貸的參照頻率也較高，被參照頻率是7。一般而言，被參照次數(shù)越多,則表明其效率越優(yōu)。

表3 有效網(wǎng)站的參照頻率及參照明細(xì)

3.非DEA有效網(wǎng)站的有效性改進(jìn)分析

利用Matlab軟件計(jì)算出的松弛變量對(duì)上述9家非有效網(wǎng)站的投入資源使用狀況進(jìn)行分析，以找出無效率的來源及應(yīng)改善的大小程度。本研究使用投入冗余率與產(chǎn)出不足率來進(jìn)行分析，進(jìn)而有針對(duì)性地對(duì)非有效網(wǎng)站進(jìn)行優(yōu)化。其中：

本研究中9個(gè)非DEA有效網(wǎng)貸網(wǎng)站的有效性改進(jìn)空間見表4，表5所示。

表4 非DEA有效網(wǎng)貸網(wǎng)站的投入冗余率有效性改進(jìn)空間 %

表5 非DEA有效網(wǎng)貸網(wǎng)站的產(chǎn)出不足率有效性改進(jìn)空間 %

由表4與表5可知，非DEA有效的網(wǎng)貸網(wǎng)站的各組輸入指標(biāo)的改進(jìn)空間為負(fù)值，說明都有一定程度的投入冗余。輸出指標(biāo)為0或正值，說明在現(xiàn)有的投入情況下，某些輸出指標(biāo)還有提升空間。從投入冗余率平均值來看，網(wǎng)站規(guī)模類指標(biāo)PAG，APS投入冗余最為突出，尤其是APS，冗余率超過70%。其次是網(wǎng)站更新類指標(biāo)UDR和鏈接類指標(biāo)FLP以及網(wǎng)站結(jié)構(gòu)中的鏈路完整性指標(biāo)NBL，冗余率為65%左右。網(wǎng)站推廣類指標(biāo)MTP、BK和網(wǎng)站結(jié)構(gòu)中的頁面返回率指標(biāo)RP冗余率相對(duì)較少，平均冗余率低于55%。產(chǎn)出導(dǎo)向結(jié)果顯示非有效網(wǎng)貸網(wǎng)站在反鏈接數(shù)(TFS)的有效改進(jìn)額度達(dá)到 915.73%，遠(yuǎn)遠(yuǎn)超過了其他兩個(gè)指標(biāo)，說明其提升空間最大。

從單個(gè)網(wǎng)貸網(wǎng)站(DMU)的改進(jìn)指標(biāo)來看，DEA效率值最低的投哪網(wǎng)所有投入指標(biāo)冗余率都在80% 以上，最高甚至達(dá)到 95%以上，同時(shí)產(chǎn)出指標(biāo)TFS冗余率較高。從表5可知投哪網(wǎng)的參照改進(jìn)網(wǎng)站是紅嶺創(chuàng)投、宜人貸、愛錢進(jìn)，從與有效DMU對(duì)比分析來看，投哪網(wǎng)的網(wǎng)站規(guī)模類指標(biāo)APS冗余率較高，達(dá)到89.75%，這說明網(wǎng)站雖然內(nèi)容豐富且形式多樣，但頁面過大會(huì)導(dǎo)致網(wǎng)頁下載速度慢，從而影響用戶體驗(yàn)，因此網(wǎng)站應(yīng)該加強(qiáng)網(wǎng)站內(nèi)容的設(shè)計(jì)，降低網(wǎng)頁頁面的平均大小，進(jìn)一步精簡網(wǎng)頁，對(duì)頁面內(nèi)容進(jìn)行優(yōu)化。同時(shí)，網(wǎng)站鏈接類指標(biāo)TL、FLP冗余率過高。網(wǎng)站總鏈接TL多，花費(fèi)在檢查死鏈、更新舊鏈和增加資源，以保持網(wǎng)站新鮮度等維護(hù)方面的投入增加，從而影響UDR和NBL等指標(biāo)，因此應(yīng)適當(dāng)減少網(wǎng)站鏈接數(shù)量的投入，加強(qiáng)網(wǎng)站的鏈接質(zhì)量，可以從鏈接的文本內(nèi)容、鏈接站點(diǎn)的威信度、導(dǎo)出鏈接的數(shù)量及各鏈接站點(diǎn)之間主題的相似性等方面進(jìn)一步加強(qiáng)和提高。網(wǎng)站外部鏈接率FLP過高，受外部影響程度越大，網(wǎng)站在維持穩(wěn)定性上的投入越大，因此應(yīng)去除不穩(wěn)定外部網(wǎng)站，適當(dāng)降低外部鏈接率。網(wǎng)站推廣類指標(biāo)百度關(guān)鍵詞收錄數(shù)BK冗余率過高，但是輸出指標(biāo)外站指向鏈接數(shù)TFS確沒有相應(yīng)的提高，TFS提升空間達(dá)到539.63%，這說明網(wǎng)站應(yīng)減少不必要的推廣，選用適當(dāng)?shù)耐茝V方式，進(jìn)行必要的搜索引擎優(yōu)化。

對(duì)產(chǎn)出不足率較高的玖富網(wǎng)來說，其TFS不足率為468.00%，與其參照改進(jìn)網(wǎng)站相比，同樣多的投入沒有帶來同樣大的影響力，可以考慮在減少相應(yīng)投入冗余的情況下增加網(wǎng)站的推廣或進(jìn)行必要的搜索引擎優(yōu)化；IP不足率為0， PV不足率為39.91%，這說明同等的 IP訪問量沒有帶來同等比率的頁面訪問量，用戶沒有繼續(xù)停留在網(wǎng)站內(nèi)進(jìn)行瀏覽，從另一個(gè)側(cè)面說明了網(wǎng)站的內(nèi)容缺乏新穎性或吸引力，或者網(wǎng)站結(jié)構(gòu)不太合理，用戶體驗(yàn)較差，需要進(jìn)一步改進(jìn)資源。各非有效網(wǎng)站具體優(yōu)化策略可根據(jù)表4、表5與表6進(jìn)行相應(yīng)調(diào)整以達(dá)到DEA有效。

表6 非有效網(wǎng)站修正時(shí)參考網(wǎng)站對(duì)照表

1)參考程度高的排在前面。

三、結(jié)論與建議

P2P網(wǎng)貸網(wǎng)站的效率評(píng)價(jià)是反映P2P網(wǎng)貸網(wǎng)站信息資源開發(fā)與利用效率的重要內(nèi)容之一 。本研究采用數(shù)據(jù)包絡(luò)法對(duì)18個(gè)網(wǎng)貸網(wǎng)站的運(yùn)營效率進(jìn)行了定量的分析，結(jié)果顯示，影響P2P網(wǎng)貸網(wǎng)站效率的投入指標(biāo)主要有：網(wǎng)站規(guī)模類指標(biāo)PAG、APS，網(wǎng)站更新類指標(biāo)UDR，鏈接類指標(biāo)FLP以及網(wǎng)站結(jié)構(gòu)中的鏈路完整性指標(biāo)NBL。綜合研究成果提出以下建議：

第一，減少對(duì)網(wǎng)站內(nèi)頁面、文檔、圖片等網(wǎng)站對(duì)象數(shù)量的投入。PAG，APS冗余過大，說明網(wǎng)站雖然內(nèi)容豐富，但頁面過大會(huì)導(dǎo)致維護(hù)成本提高，網(wǎng)頁下載速度慢，從而影響顧客體驗(yàn)，因此網(wǎng)站應(yīng)該加強(qiáng)網(wǎng)站內(nèi)容的設(shè)計(jì)，降低網(wǎng)頁頁面的平均大小，進(jìn)一步精簡網(wǎng)頁，對(duì)頁面內(nèi)容進(jìn)行優(yōu)化。

第二，減少網(wǎng)站外部鏈接以及網(wǎng)站結(jié)構(gòu)方面的投入。FLP過高，受外部影響程度越大，網(wǎng)站在維持穩(wěn)定性上的投入越大，因此應(yīng)去除不穩(wěn)定外部網(wǎng)站，適當(dāng)降低外部鏈接率。NBL是從網(wǎng)站內(nèi)部結(jié)構(gòu)上來評(píng)價(jià)網(wǎng)站的投入量，最需要改進(jìn)該指標(biāo)的網(wǎng)站是理財(cái)網(wǎng)和投哪網(wǎng)。這兩個(gè)網(wǎng)站的NBL冗余度高，在網(wǎng)站結(jié)構(gòu)中投入量相應(yīng)的也較多，這是造成相對(duì)效率低的原因所在。

第三，減少在網(wǎng)站更新上的投入。網(wǎng)站更新UDR作為二級(jí)指標(biāo)，代表了網(wǎng)站在保持金融理財(cái)產(chǎn)品有效性、前沿性方面的投入量。UDR冗余過大，說明網(wǎng)站雖然時(shí)效性和準(zhǔn)確性強(qiáng)，但是更新過快，一方面會(huì)導(dǎo)致維護(hù)成本高，另一方面也會(huì)影響網(wǎng)站內(nèi)容的穩(wěn)定性。

[1]BACHMANN A,BECKER A.Online peer-to-peer lending —a literature review[J]. Journal of Internet Banking & Commerce,2011,16(2):1-18.

[2]GALLOWAY I.Peer-to-peer lending a community development finance[J]. Community Investments,2009,21(3):19-23.

[3]SONENSHEIN S, HERZENSTEIN M.How accounts shape lending decisions through fostering perceived rustworthiness[J]. Organizational Behavior and Human Decision Processes,2011,15(1):69-84.

[4]HERZENSTEIN M,DHOLAKIA U,ANDREWS R. Strategic herding behavior in peer-to-peer loan auctions[J]. Journal of Interactive Marketing, 2011, 25(1):27-36.

[5]LEE E,LEE B. Herding behavior in online P2P lending: an empirical investigation[J].Electronic Commerce Research & Applications, 2012, 11(5):495-503.

[6]石澄賢,陳雪交.P2P網(wǎng)貸個(gè)人信息評(píng)價(jià)指標(biāo)體系的構(gòu)建[J].常州大學(xué)學(xué)報(bào)(社會(huì)科學(xué)版)，2016,17(1):80-85.

[7]MULIEA S,MOENAERT R,DESPONTIN M.The conceptualization and empirical validation of website user satisfaction[J].Information & Manafement, 2004, 41(5):543-560.

[8]楊選輝，葛偉. 基于DEA和外部認(rèn)可的中文軍事信息網(wǎng)站效率評(píng)價(jià)[J].情報(bào)雜志，2014, 33(10):184-189.

[9]柯青，王秀峰.基于網(wǎng)站流量統(tǒng)計(jì)的網(wǎng)站可用性指標(biāo)及計(jì)算方法研究[J].圖書情報(bào)工作，2011,55(20):138-143.

An Evaluation of P2P Online Lending Websites’ EfficiencyBased on DEA Model

Xu Huiting

From the perspective of input and output, an index system of efficiency evaluation of P2P online lending websites is constructed. Then the efficiency of 18 P2P online lending websites is quantatively analyzed based on the CCR-DEA model. The results demonstrate that 9 websites are relatively DEA effective and the other 9 are relatively non-effective. The average page size, the total number of web pages and the foreign link percentage of the non-effective websites are with higher redundancy rate. Through the analysis of projection and contrast, it carries out the efficiency improvement analysis of the non-effective websites and gives suggestions to improve the efficiency of P2P online lending websites．

P2P online lending; Data Envelopment Analysis(DEA); websites’ efficiency

徐慧婷，廈門城市職業(yè)學(xué)院商貿(mào)系講師。

福建省中青年教師教育科研項(xiàng)目(社科類) “基于Logistic回歸模型的P2P網(wǎng)貸信用風(fēng)險(xiǎn)研究”(JAS161010)。

F830

A

10.3969/j.issn.2095-042X.2017.02.009

2017-01-09；責(zé)任編輯:沈秀)