數字普惠金融緩解中小企業融資約束的效應*
——基于中國上市公司的實證研究

鄭祖昀 黃瑞玲

（中共江蘇省委黨校，江蘇 南京 210000）

一、引言

2020年伊始，新型肺炎疫情的全球蔓延嚴重沖擊我國實體經濟，尤其是中小企業。企業復工受阻、現金流和供應鏈中斷、國外訂單驟降等問題引發關注。中小企業是推動我國經濟發展的主力軍，《中國中小企業統計年鑒》數據顯示，截止2018年末，中小企業戶數占全部規模以上工業企業戶數的97.6%，主營業務收入和利潤總額分別占規上企業的56.7%和51.6%，然而在獲得資金支持方面卻難以匹配其在社會經濟發展中所做出的貢獻[1]。中小企業的融資約束問題是阻礙其自身發展的頑疾，也是制約中國經濟轉型升級的重要瓶頸之一[2]。當前，中國經濟正處于轉方式、優結構和換動力的攻關期，經濟增速換擋明顯，同時外部經濟環境變幻莫測對中國的經濟發展都提出了重大考驗。因此，研究如何緩解中小企業的融資困境則顯得尤為重。

發展普惠金融是增大金融服務實體經濟的覆蓋面和提升金融服務效率的一個重要途徑，習近平總書記在2017年全國金融工作會議上首次提出建設普惠金融體系加強對小微企業的金融服務，同時指明普惠金融數字化發展方向[3]。數字普惠金融作為普惠金融發展的新模式、新工具，本質上是通過數字化或電子化技術去開展普惠金融服務[4]，運用大數據、云計算等數字技術降低金融機構運營成本、擴大金融服務范圍、緩解信息不對稱問題，進而降低中小企業融資成本、拓寬融資渠道、提高融資效率，緩解中小企業的融資約束[5]。

二、文獻綜述

關于企業融資約束的測度，目前可大致分為兩類：一類為模型分析法，fazzari等（1988）首創投資-現金敏感模型，認為融資約束越強的企業表現出越強的投資現金流敏感度[6]，但該模型卻表現出較為明顯的局限性，即存在托賓Q值衡量偏誤、委托代理引發企業過度投資等問題導致該模型失效[7-9]。Almeida等（2004）則提出現金-現金模型，認為若企業存在融資約束，其現金持有量的變化與現金流將呈正向相關[10]。另一類為指數法，Kaplan和Zingales（1997）率先提出定量測度企業融資約束水平的方法，根據企業的財務狀況構建KZ指數[7]，此外，國際學術界典型的測度方法還包括WW指數（Whited 和 Wu，2006）和SA指數（Hadloc和Pierce，2009）[11-12]，但 KZ指數和WW指數包含了現金流、杠桿等內生變量，而SA指數僅包含企業規模和企業年限兩個外生性很強的變量，避免了內生變量的干擾，除此之外，SA指數易于計算且相對穩健，故本文采用SA指數度量企業的融資約束程度，值得注意的是，這些定量指標僅能反映企業間的相對融資約束水平，并非衡量企業融資約束的絕對指標[13]。

關于數字普惠金融發展水平的測度。大多集中于傳統普惠金融發展水平的測度，普惠金融是一個多維度多指標概念，目前尚未具有統一的量化標準，金融包容聯盟（AFI）、全球普惠金融合作伙伴組織（GPFI）、世界銀行（WB）等國際組織均給出了評價普惠金融發展水平的指導辦法。Sarma、Pais（2011）參照人類發展指數的計算方法，引入產品接觸性、使用效用性和地理滲透性三個不同維度去測度不同國家的普惠金融發展指數[14]。張國俊等在Sarma、Pais指標體系的基礎上作出改進，基于金融排斥與普惠金融互為對應的概念，在測算金融排斥指數時引入滲透度、使用度、效用度和承受度四個維度，對我國普惠金融發展水平進行評價[15]，焦瑾璞等（2014）采用“可獲得性”、“使用情況”和“服務質量”作為一級指標，構建包含19個二級指標的普惠金融指標體系，測算中國普惠金融發展水平[16]。隨著數字技術的發展，數字普惠金融擴展了傳統普惠金融的觸達范圍，學者開始研究數字普惠金融發展的評價體系，最為典型的是北京大學數字金融研究中心發布的數字普惠金融指數，包含2011—2015年和2016—2018年兩期，該指標體系涵蓋數字金融服務的覆蓋廣度、使用深度和數字化程度3個一級維度，賬戶覆蓋率（覆蓋廣度），支付、貨幣基金、信貸、保險、投資、信用業務（使用深度），移動化、實惠化、信用化、便利化（數字化程度）11個二級維度，測度了除港澳臺以外其余31個省市區的數字普惠金融發展情況[17]。

關于數字普惠金融與中小企業融資約束，前期文獻幾乎都以普惠金融為主考慮對中小企業融資約束的緩解作用，尚未納入數字化特征[18]，隨著數字技術的發展和應用，數字與金融的結合為傳統金融模式下難以解決的問題提供了新的思路，數字普惠金融也逐漸引發關注。關于數字普惠金融對中小企業融資約束的作用機制，已有研究主要集中于數字普惠金融的本質和優勢，即利用數字普惠金融具有 “成本低、速度快、覆蓋廣”的優勢，進而定性分析數字普惠金融改善中小企業融資環境的機制，服務實體經濟發展[19-21]。相關的實證研究則較為匱乏，喻平、豆俊霞（2020）通過構建現金—現金流模型研究表明中國數字普惠金融的發展能夠緩解企業的融資約束，且制度環境越完善的地區，數字普惠金融緩解中小企業融資的效果則越明顯[22]。

綜上，數字普惠金融對中小企業融資約束的緩解效應尚需實證檢驗，故本文在相關理論文獻的基礎上，開展以下三個方面的工作：數字普惠金融發展對中小企業融資約束的緩解效應研究、數字普惠金融發展對不同產權性質中小企業融資約束的緩解效應研究、在不同經濟發展水平下數字普惠金融發展對中小企業融資約束的緩解效應研究。本文采用SA指數去衡量企業的融資約束程度，并利用滬深兩市所有A股上市公司數據和北京大學數字金融研究中心發布的北京大學數字普惠金融指數（2011—2018）構建回歸模型，對上述三個方面問題進行實證分析，并對實證結果進行穩健性檢驗。

三、理論分析與研究假設

數字普惠金融作為普惠金融和數字技術的融合創新，能夠有效地解決傳統普惠金融服務實體經濟過程中存在 的“成本高、服務失衡、效率低”的難題。移動互聯網的普及使得金融機構的客戶目標從線下向線上轉移，降低金融機構的獲客成本，大數據、云計算等數字技術的應用能夠降低金融機構經營成本和風險甄別成本，進而降低客戶的融資成本；數字技術的發展打破了地域上的限制，擴大了金融機構的服務范圍，金融機構能夠兼顧“長尾理論”中處于正態分布曲線“尾部”的客戶群體，促使金融服務均衡化；大數據技術能夠大幅提高數據搜集和處理的能力，完善客戶信用評估，降低信息不對稱，為客戶開展定制化金融服務，提升金融服務效率，云計算具有極強的擴展性，能夠整合海量資源，提高大數據技術的效率。以數字技術為驅動的普惠金融能夠更加凸顯“普惠”的內涵，即使得更多中小企業能夠以可負擔的成本獲得多元的金融服務，數字普惠金融通過降低企業融資成本、拓寬企業融資渠道、提高企業融資效率進而緩解中小企業的融資約束。

基于此，本文提出假設H1:數字普惠金融發展能夠緩解中小企業的融資約束。

由于我國特殊的制度背景，企業的產權性質在其融資時發揮重要作用，國有企業因具有明顯的政府信用背書，在融資時易受到銀行等金融機構的青睞，而民營企業則受到銀行的“信貸歧視”，存在著較大的融資約束[23]，產權性質差異使得國有企業長期占用大量金融資源，對民營企業形成“擠出效應”，進而導致民營企業陷入融資困境[24]。因此，與傳統金融服務模式相比，數字普惠金融對于不同產權性質中小企業融資約束的作用機制和緩解效果也并非一致：一方面，信息不對稱是導致企業融資約束的原因之一，相較于國有企業，民營中小企業的財務信息不透明，可信度低。傳統金融機構“偏愛”與國有中小企業保持緊密聯系，更加掌握國有中小企業的信息狀況，而與民營中小企業的業務交集則較為缺乏。因此，民營中小企業的信息不對稱問題相比于國有中小企業更加嚴重。數字普惠金融基于大數據、云計算等數字技術，能夠迅速收集、整理數據，完善客戶畫像，提高中小企業信息透明度，有效降低信息不對稱程度， 因此，數字普惠金融更加有利于緩解民營中小企業的融資約束。另一方面，從融資意愿上看，民營中小企業由于不具備國有企業的融資優勢，很難從正規金融機構獲得信貸支持，使其從數字普惠金融創新渠道獲得融資的意愿很強烈，因此，數字普惠金融能夠為民營中小企業提供更多的資金支持，對緩解其融資約束更加有效。此外，在傳統的融資過程，國有企業能夠利用其產權性質和政府關系作為信用補償獲得金融機構的信貸傾斜，但是在數字普惠金融的創新模式下將會對這種信用替代機制產生影響，由于國有企業機制上不夠靈活，管理上缺乏彈性，意識上缺乏創新動力使其難以適應傳統融資模式的變化，導致數字普惠金融對于國有中小企業融資約束的緩解效果相對較弱。

基于此，本文提出假設H2:相比于國有中小企業，數字普惠金融發展更有利于緩解民營中小企業的融資約束。

我國存在地區發展不平衡的問題，經濟發展水平能夠顯著影響該地區的普惠金融發展程度，經濟發展水平越高的地區，其普惠金融發展程度越好[25]。在經濟發展較差的地區，落后的金融結構會限制普惠金融的發展，金融體系難以將經濟資源引流至各個實體部門，金融發展效率低，無法有效滿足中小企業的融資需求[26]。在經濟發展水平較高的地區，數字普惠金融則能夠發揮優勢，金融機構能夠利用借貸雙方的規模經濟降低金融交易成本，完善的金融市場能夠提高信息獲取和處理能力，進而降低借貸雙方信息不對稱程度，提高金融機構對中小企業的信貸支持[27]。

基于此，本文提出假設H3:在經濟發展水平較高的地區，數字普惠金融發展對中小企業的緩解作用更有效。

四、數據選取、模型設計及變量說明

（一）數據選取

本文所采用的數據來源于深圳國泰安CSMAR數據庫和由北京大學數字金融研究中心發布的北京大學數字普惠金融指數，時間窗口為2011年至2018年。為衡量企業的融資約束水平，本文選取滬深兩市所有A股上市公司作為初始樣本，為保證數據質量進行如下篩選：一是剔除金融類、租賃與商務服務類、ST類公司；二是剔除研究數據缺失的樣本；三是僅保留有八年連續觀測值的企業，最終得到1842家企業數據，為消除極端值的影響，本文借鑒已有文獻中的常見做法，對所有變量進行1%的winsor處理。

（二）模型設計與變量說明

由于SA指數相對穩健的特性，本文采用SA指數作為衡量企業融資約束的指標，并構建如下模型去研究各省份數字普惠金融發展對企業融資約束的影響：

1．被解釋變量 式（1）中，SA即為模型的被解釋變量，表示企業所受融資約束的程度，參照Hadlock和Pierce( 2009)[12]、鞠曉生等（2013）[13]的做法，得到SA的計算公式為：

其中，Size表示企業資產總額（百萬元），Age表示企業上市年限。通過該公式計算得到的SA 指數為負數，且其絕對值越大，說明企業所受到的融資約束越嚴重。

2.解釋變量 式（1）中的FI即為解釋變量，表示各企業所處省份（直轄市）的數字普惠金融發展水平，本文采用北京大學數字金融研究中心公布的中國數字普惠金融發展指數，該指數從數字金融服務的覆蓋廣度、使用深度和數字化程度三個維度出發，構建了包含33個具體指標（第一期包含26個具體指標）在內的指標體系，較為全面、客觀地反應我國數字普惠金融的發展狀況。

3.控制變量 本文借鑒鞠曉生、盧荻等（2013）[13]、包鈞等（2018）[28]的做法，納入以下變量作為控制變量：（1）資產負債率DAR，反映企業償債能力，通常資產負債率越低表明企業償債能力越強，越能夠從金融機構獲得貸款支持從而緩解融資約束。（2）現金流CASH,一般企業自由現金流越大表明企業可用的現金越多，流動性越強，所受的融資約束也越小。（3）總資產周轉率TAT，反映企業的營運能力，通常周轉率越高表示企業資產運營效率越好，企業的創收能力也越強。（4）營業收入增長率GROW，反映企業的發展能力，通常該指標越高表示企業的發展能力越強，能夠獲得越多的資金供其未來發展。（5）資產報酬率ROA，反映企業的盈利能力，一般該指標越高表示企業的獲利能力越強，越容易獲得外部資金。（6）前十大股東股權占比CA，表示企業的股權集中度，該指標反映企業的穩定性強弱。ydummy、indummy為時間和行業虛擬變量，用來控制時間和行業特征對結果的影響，ε為誤差擾動項，i為企業標識，t為年份標識，j為省份標識。

表1 變量說明

表1對本文所涉及的所有變量進行了定義說明，其中數字普惠金融指數及其分指數均按照各企業辦公所在省份（直轄市）進行匹配，表2給出了模型主要變量的描述性統計。

表2 描述性統計

(續表)

五、實證結果與分析

（一）數字普惠金融緩解中小企業融資約束的效應

本文首先對式（1）進行估計，回歸過程中添加年份、行業虛擬變量，同時還考慮從覆蓋廣度F1、使用深度F2、數字化程度F3三個維度對模型進行估計，作為初步的穩健性檢驗。表3報告了數字普惠金融對中小企業融資約束影響的結果。結果顯示，在控制了時間和行業因素之后FI、F1、F2、F3的系數均在1%的置信水平上顯著為負，表明覆蓋廣度指數、使用深度指數、數字化程度指數及數字普惠金融總指數越高，企業面臨的融資約束越低，即數字普惠金融的發展能夠顯著降低中小企業的融資約束程度，與假設H1一致。

控制變量方面，資產負債率顯著為正，表明企業負債水平越高，越難從外部獲得貸款支持，所受融資約束越重；公司現金流系數顯著為負，表明企業持有現金越充裕、財務狀況越寬松，融資約束程度也就越低；總資產周轉率系數為負預期但不顯著，表明該指數與融資約束程度并無直接關聯；營收增長率和資產報酬率系數顯著為正，與上文預期不符，可能的原因在于我國中小上市企業的應收賬款逐年增長，擠占了企業過多的流動資產，且應收賬款違約或展期的情況也連年遞增，加劇了資金鏈斷裂的風險，導致中小企業面臨融資難題[29]；前十大股東占比系數顯著為負，表明企業的股權集中度越高，企業面臨的融資約束越低。

數字普惠金融總指數與分項指標回歸結果的各系數符號和顯著性均保持一致，一定程度上證明了數字普惠金融發展緩解中小企業融資約束具有穩健關系。

表3 數字普惠金融對中小企業融資約束的影響

(續表)

（二）數字普惠金融對不同產權性質中小企業融資約束的緩解效應

根據產權性質的不同，本文將企業劃分為國有企業和民營企業，并引入所有權性質變量SOE（當企業當年為國有控股時SOE為1，否則為0），然后在回歸方程中加入SOE與上市公司辦公所在省份（直轄市）的數字普惠金融所構成的交互項SOE×FI，進行產權異質性分析。根據表4的回歸結果，FI與F1、F2的指數均顯著為負，表明數字普惠金融能夠顯著緩解中小企業的融資約束，但是交互項SOE×FI、SOE×F1、SOE×F2、SOE×F3卻也顯著為負，表明相比于民營中小企業，數字普惠金融的發展對于國有中小企業的效果更強，這與假設H2不一致，為此，本文進一步展開研究，將數據分為2011—2015年和2015—2018年兩段，從時間維度去考察數字普惠金融作用機制的變化。

表4 數字普惠金融對不同所有權性質中小企業融資約束的影響

(續表)

根據表5的結果可看出，FI的系數顯著為負表明數字普惠金融能夠顯著緩解中小企業的融資約束，SOE×FI的系數也顯著為負，但值得注意的是，兩個時間段里SOE×FI的大小發生了很大變化，由前半段的-0.0172升至-0.00617，可見國有企業的產權性質能夠影響數字普惠金融的作用效果，但這種內在的影響力隨著數字普惠金融的發展在逐漸削弱，說明數字普惠金融在不斷完善的過程中能夠逐漸抹平企業產權性質的差異，消除“所有制歧視”的烙印，使得民營企業在獲得金融機構信貸支持時能夠擁有與國有企業同等待遇。同時，從數字化程度F3的回歸結果可以看出，前半段數字化程度發展能夠顯著緩解國有中小企業的融資約束，對于民營中小企業融資約束緩解效果卻并不顯著，但是到了后半段，數字化程度則能夠顯著緩解中小企業的融資約束，且SOE×F3的系數顯著為負說明相比于國有中小企業，數字化程度的提高更有利于緩解民營中小企業的融資約束。因此，對于國有中小企業而言，若仍保留固有體制機制，未能及時調整傳統融資模式和意識，隨著數字普惠金融的日趨完善，尤其數字化程度的進一步加深，很有可能出現SOE×FI系數為正的情況，即國有產權性質可能阻礙其從數字普惠金融創新發展中受益。

表5 分時間段分析

（續表）

（三）不同經濟發展水平下數字普惠金融緩解中小企業融資約束的效應

根據樣本企業所在省份（直轄市）人均GDP水平的高低，本文將樣本數據分為人均GDP高、中、低三組進行分組回歸。從表6的結果可知，人均GDP高組和中組的FI系數分別在1%和5%置信水平上顯著為負，且高組的系數小于中組，說明在經濟發展水平較高的地區，數字普惠金融能夠緩解中小企業的融資約束，而且經濟發展水平越高緩解效果則越強烈。低組FI的系數為負，但是卻并不顯著，說明在經濟發展水平較低時，數字普惠金融發展并不能與緩解中小企業融資約束形成穩健的聯系，這與文本假設H3保持一致。

表6 不同經濟發展水平下數字普惠金融對中小企業融資約束的影響

六、穩健性檢驗

盡管上文已有初步的穩健性檢驗，但為進一步提高結論的可靠性，本文仍進行以下穩健性檢驗：一是分析方法變換檢驗：考慮個體效應和時間效應，采用雙向固定效應模型對上文重新回歸檢驗；二是變量替換檢驗：考慮到可能存在的變量測量誤差，對公司的一些財務指標進行替換，將資產負債率DAR換成速動比率LR，公司現金流CASH換成自由現金流CASHF，前十大股東持股比例CA換成第一大股東持股比例CA1，資產報酬率ROA率換成總資產凈利潤率ROA1。

表7為雙向固定效應模型的回歸結果，列（1）至（4）為數字普惠金融總指數及其三個分項指數對中小企業融資約束的作用效果，FI、F1、F2、F3的系數均在1%的置信水平上顯著為負，可知數字普惠金融的發展能夠有效緩解中小企業的融資約束，再次證實了本文的主要結論。列（5）至（7）為對樣本所在省份（直轄市）的人均GDP高低進行分組回歸的結果，由FI的系數可看出在高組中數字普惠金融對中小企業融資約束的緩解效果最強，中組次之，而在低組FI的系數并不顯著，說明在經濟發展較落后的地區，數字普惠金融并不能對中小企業融資約束起到很好的緩解作用，因此，該回歸結果證明了在經濟發展水平越高的地區，數字普惠金融對中小企業的緩解效應越強烈。

表7 穩健性檢驗1：雙向固定效應

變量替換后的描述性統計見表8，對替換后的變量采用雙向固定效應模型進行回歸，回歸結果如表9所示。從表9中列（1）到列（4）的結果可知，數字普惠金融發展能夠有效地緩解中小企業融資約束，列（5）到列（7）的結果可得在經濟發展越高的地區，數字普惠金融對中小企業融資約束的緩解效果越強。至此，兩種檢驗結果均與上文保持一致，證明了上文實證結果的可靠性，此外，運用這兩種檢驗方法對企業產權異質性下數字普惠金融的緩解作用進行檢驗，同樣能夠得出數字普惠金融的發展能夠逐漸消除金融機構對于國有中小企業的“偏愛”，使得民營中小企業融資趨于與國有中小企業一致待遇。

表8 描述性統計

表9 穩健性檢驗2：變量替換

（續表）

七、結論與政策建議

本文采用滬深兩市所有A股上市公司數據和北京大學數字金融研究中心發布的北京大學數字普惠金融指數（2011-2015、2016-2018）構建回歸模型，考察數字普惠金融對中小企業融資約束的影響，實證結果表明：第一、數字普惠金融的發展能夠顯著緩解中小企業融資約束。第二、相比民營中小企業，數字普惠金融發展更能緩解國有中小企業融資約束，但隨著數字普惠金融不斷完善，這種產權差異導致的緩解效果偏差不斷縮小，在數字化程度上，數字普惠金融反而有利于緩解民營中小企業融資約束。第三、在經濟發展水平較高的地區，數字普惠金融發展更能緩解中小企業的融資約束。值得注意的是，盡管本文采用的是A股上市公司數據，與研究對象“所有中小企業”存在樣本選擇偏差，但是本文的結論可以擴展理解。因為與上市企業相比，非上市中小企業的信息不對稱問題更加嚴重、融資渠道更加受限，導致非上市中小企業所受的融資約束也更加嚴重，因此，數字普惠金融發展能夠緩解上市企業的融資約束程度，那么非上市中小企業而言，數字普惠金融對其融資約束的所用將會更加重要[30]。

基于上述研究結論，提出以下政策建議：建議一是：推動數字普惠金融進一步發展，從三個維度出發，拓寬覆蓋廣度、加大使用深度，更為重要的是提升數字化程度，通過加快推進物聯網、大數據和云計算等數字技術在金融機構的運用，降低金融服務的成本和使用門檻，減輕信息不對稱程度，消除“所有制歧視”，更加精準有效的滿足企業需求。建議二是：平衡區域發展，在財政上向經濟落后地區傾斜，政府在注重當地經濟發展的同時，應當提高金融基礎設施建設，為發揮數字普惠金融對中小企業融資約束的緩解作用奠定良好的金融環境。建議三是：構建數字普惠金融監管框架，平衡數字普惠金融的創新和風險，嚴格監控數字技術在金融領域運用時可能發生的信息泄露、數字欺詐等風險，營造良好的金融環境，引導數字普惠金融健康且可持續地為實體經濟服務。