互聯網金融對中小企業融資的影響及其機制研究

張春意　張永慶

摘 要：融資難問題長久以來限制著中小企業的發展，互聯網金融的興起緩解了中小企業融資難問題。文章用結構方程模型（SEM）對其影響及機制進行研究，從而為中小企業改善自身，提高融資效率提供相應建議。

關鍵詞：中小企業；融資效率；結構方程模型

中圖分類號：F275.6 文獻標識碼：A

Abstract： Financing difficulties have restricted the development of small and medium-sized enterprises（SMEs）， however the rise of on-line finance has eased the financing difficulties. In this paper， the structural equation model（SEM）is used to study its impact and mechanism， so as to provide some suggestions for SMEs to improve themselves and the efficiency of financing.

Key words： SMEs； efficiency of financing； SEM

0 引 言

在我國數量占比98%以上的中小企業貢獻了超過一半的GDP，但是其得到的資金支持卻不成正比。如表1所示，根據央行2016年對金融機構貸款投向的調查，中小企業的融資需求滿足率雖有上升，但截至2016年該數據仍不足三成。由于該類企業自身的一些特性，如存續時間不穩定、大多是輕資產經營等，造成中小企業往往難以從傳統金融機構獲得充分的資金支持，或者即使獲得了資金，也是以高成本為代價的。而信息透明度高、籌款放貸速度快的互聯網金融的出現開辟了新的融資路徑，彌補了中小企業融資渠道不足的問題。因此本文關于互聯網金融對中小企業融資影響及作用機制的研究具有顯著的現實意義，對于中小企業如何提高融資效率指明了努力方向。

1 研究回顧與互聯網金融對中小企業融資影響分析

1.1 研究回顧

互聯網金融緩解中小企業融資難的作用機制。Hauswald和Agarwal（2008）[1]的研究指出，互聯網金融有效改善中小企業融資困境現象的原因在于互聯網金融平臺對信用評級的審核較為寬松。Manuchehr Shahrokhi（2008）[2]認為互聯網金融是一種新型的金融模式，不僅具有傳統中介和資本市場作用，還能顯著提高企業財務信息的透明度，從而提升交易效率。馬瑞博（2014）[3]的分析說明互聯網金融的網絡聯保形式降低了銀企之間的信息不對稱程度，降低了融資成本。郭志光（2016）[4]的研究表明互聯網金融的出現為資金供需雙方提供了一個直接“討價還價”的平臺，拓寬了融資渠道，降低了融資成本。

1.2 互聯網金融對中小企業融資影響分析

中小企業出于原先的融資慣性和對新融資渠道風險的擔憂，往往會選擇銀行貸款。而回顧以往學者的研究，包括理論分析和實證研究，發現互聯網金融確實彌補了中小企業融資渠道的不足，其具體影響體現為以下幾方面：

緩解信息不對稱程度。這一方面P2P網絡借貸平臺的作用尤為顯著，通過平臺將融資方的資信信息納入數據庫、上傳融資需求，并后續跟進資金使用情況，確保專款專用。全部信息將在平臺上進行展示，極大提高了信息的透明度。

降低融資成本。傳統金融融資成本高的一大原因在于難以獲取中小企業的真實經營狀況信息。因此傳統金融機構需要進行大量工作以了解中小企業真實狀況，這一過程中產生的一系列費用最終由中小企業買單。甚至有時候這類成本將超過貸款表面上的利率。互聯網金融通過水文模型能迅速分析出中小企業的財務狀況，評估其還貸能力，實現低成本融資。

降低融資門檻。互聯網金融平臺的信息展示功能使得所有滿足要求的企業均能在網上進行資金籌集活動，不管企業規模大小。有的網貸平臺推出了“企業聯保”模式，以幾家聯合的中小企業為單位進行貸款，提高了到期還貸率，一定程度上降低了融資門檻。

基于上述分析，本文假設，互聯網金融對中小企業融資的影響路徑有一條為互聯網金融通過提高信息透明度來提升中小企業融資效率，緩解融資約束。

2 實證研究設計

2.1 變量選取與相關假設

2.2 數據來源與處理

按照統計學理論，一般峰度絕對值小于5，偏度絕對值小于2，則樣本數據大致服從正態分布判斷，本文所有經處理的變量數據滿足后續分析的要求。接下來對數據進行信度與效度檢驗，檢驗結果如表3和表4所示。

標準化的α系數為0.756，可信度較好；一般KMO統計量大于0.9時效果最佳，0.7以上可以接受，0.5以下不宜做因子分析[8]。KMO值為0.789，屬于可以接受，Bartlett的球形度檢驗值為3 629.953，相應的P值為0，故拒絕原假設，認為檢測結果顯著，可進行因子分析。

2.3 模型構建

本文選擇結構方程模型（SEM），在解決復雜的變量關系時具有明顯優勢，彌補傳統統計方法不足的同時能描述復雜的因果關系[8]。該模型允許自變量和因變量之間存在測量誤差，仍能夠很好地擬合變量之間的結構與關系。

根據前文互聯網金融對中小企業融資影響的理論分析、相關假設以及歸納影響中小企業融資效率的因素，本文分內生潛變量和外生潛變量建立初始結構方程模型如圖2。

3 實證分析

3.1 模型初始擬合

將建立的初始結構方程模型通過Amos21.0軟件進行初步擬合，根據擬合結果中的正太性估計逐步刪除了28個異常值，再次對初始模型進行擬合，系數估計結果如表5。endprint

除了信用評級對成功融資次數這一路徑的p值為0.190，兩者的相關性不顯著外，其余路徑的p值均不到0.05，達到顯著相關關系。在簡單分析結果后，需對模型的擬合效果進行評估，本文從絕對指標、增值指標和精簡指標三方面進行評價。本文初始擬合模型的配合度檢驗結果如表6。根據表6，模型初始擬合效果不理想，需要進行修正。

3.2 模型修正

對比表6和表8，發現配合度指標有明顯改善，優化模型的指標達到理想值，表明模型具有理論和現實解釋的可信度，是理想模型。

4 結論與建議

4.1 結 論

影響融資效率的三大因素，其影響路徑及其程度以及相關假設的實證結果匯總如表9。

表9中數據表明，本文除H2，其余所有假設均通過了檢驗。而在信用評級對融資效率影響路徑中，其間接路徑的影響程度高于直接路徑，從而導致該路徑的總體效果呈現負作用。另外，對融資效率影響最大的因素是項目特性，接下來依次是信用評級、企業實力。

4.2 政策建議

4.2.1 權衡借款期限與借款金額

基于上述實證分析結果，融資項目特性的作用最大，故要提高融資效率，需權衡借款金額與期限，發揮該路徑的杠桿作用，提高借款效率。

4.2.2 提高企業實力

企業對信用評級的自身能動性較差，而企業實力對融資效率有正作用，故企業應從自身出發，提高經營績效，改善自身財務比率，增強自身競爭力，從而提升融資效率。

4.2.3 提高企業信息透明度

網貸平臺的特性導致投資者擔憂風險，企業通過提升自身信息透明度改善其在網貸平臺的授信額度，緩解投資者的擔憂，增強其投資意愿。

參考文獻：

[1] Hauswald， Agarwal. Distance and Private Information in Lending[J]. Review of Financial Studies， 2010，23（7）：2757-2788.

[2] Manuchehr Shahrokhi. E-Finance： Status， Innovations， Resources and Future Challenges[J]. Managerial Finance， 2008，34（6）：365-398.

[3] 馬瑞博. 互聯網金融對我國中小企業融資影響分析[J]. 資本運營，2014（9）：33-35.

[4] 郭志光. 互聯網今天對中小企業融資難的影響[J]. 金融天地，2016（15）：17-20.

[5] 郭弈. P2P網絡借貸市場的融資成本與融資可獲得性研究[D]. 成都：西南財經大學（碩士學位論文），2011.

[6] 何麗娜. 我國中小企業板上市公司融資有效性分析[J]. 中州學刊，2016（9）：28-32.

[7] 廖艷，沈亞娟，楊選思. 新三板中小企業融資效率及其影響因素研究[J]. 會計之友，2017（11）：49-53.

[8] 李順會. 結構方程模型概述[J]. 沿海企業與科技，2009（12）：78-81.endprint