銀行數字普惠金融、銀行競爭與企業融資約束

雷輝 金敏

基金項目：湖南省哲學社會科學基金重點項目（20ZDB004）、國家自然科學基金重大項目（71790593）

作者簡介：雷 輝（1967—），男，湖南長沙人，博士，湖南大學工商管理學院教授，博士生導師，研究方向：戰略與創新管理。

摘 要：基于中國31個省份的相關數據，使用變異系數法構建銀行數字普惠金融指數，以中小企業板上市公司為研究樣本，討論競爭程度變化時銀行數字普惠金融對中小企業融資約束的影響及變化。研究發現：銀行數字普惠金融發展有利于緩解中小企業融資約束，當銀行競爭程度較高時，緩解作用更加明顯。同時，相對于民營中小企業，銀行數字普惠金融發展對國有中小企業融資約束的緩解作用更加明顯，反映了當前銀行在發展數字普惠金融時存在選擇偏向問題。但隨著銀行競爭的提高，這種問題有所緩解。

關鍵詞：銀行數字普惠金融;中小企業;融資約束;銀行競爭

中圖分類號：F832 文獻標識碼：A 文章編號：1003-7217（2021）06-0002-08

一、引 言

普惠金融在中國的實踐前后經歷了四個階段，包括公益性小額信貸、發展性微型金融、綜合性普惠金融和創新性互聯網金融[1]。現階段，人們的主要關注點在于如何依托包括移動互聯網在內的數字技術來推動普惠金融的進一步發展。2016年，G20第十一次峰會首次提出了“數字普惠金融”的概念。作為正規金融服務的主要供給方，銀行已成為數字普惠金融的重要實施主體。尤其是近幾年，隨著數字技術的發展，銀行逐漸向數字化轉型。在此過程中，銀行的服務效率不斷提高，同時銀行的服務邊界得到了進一步的拓展[2]。在大數據、征信以及移動互聯網等數字技術的助力下，數字普惠金融逐漸成為實現低成本、廣覆蓋、高效率和可持續的普惠金融的重要模式[3]。

研究銀行數字普惠金融的發展能否有效地促進中小企業融資約束的緩解，是檢驗數字普惠金融發展成效的一個重要方式。然而，現有的關于普惠金融影響效應的研究大多集中在宏觀層面上，主要探討了普惠金融在促進經濟增長、緩解貧困等方面的作用[4-8]。較少有文章探討數字普惠金融發展對微觀家庭或微觀企業的影響，具有代表性的是鄒偉和凌江懷（2018年）以及梁榜和張建華（2018）利用微觀數據，證實了數字普惠金融能夠通過拓寬企業融資渠道、降低融資成本以及提高融資效率等途徑來緩解企業融資約束[9，10]。但是，他們在探討二者關系時，直接使用《北京大學數字普惠金融指數（2011-2018年）》。而這套指數實際反映的是互聯網公司數字普惠金融服務的發展情況，并未統計銀行等傳統金融機構的相關業務[3]。因此，本文進一步從銀行角度入手，通過構建銀行數字普惠金融指數，探討銀行數字普惠金融發展對中小企業融資約束的影響效果，以進一步豐富現有相關研究。

目前，銀行競爭在促進普惠金融服務深化中的作用愈發受到重視。但是現有的關于銀行競爭與普惠金融的研究存在較大爭議。一部分研究認為，有效的競爭是提升普惠金融服務效能的關鍵點[11，12]。王雪和何廣文（2019）研究發現，縣域銀行業競爭顯著促進了普惠金融服務深化，但這種促進效應在金融基礎設施不健全的貧困縣相對較弱[13]。Marín和Schwabe（2019）發現銀行競爭與普惠金融服務效率深化之間存在正相關關系[14]。而另一部分學者則認為，銀行競爭程度的提高在一定程度上加劇了銀行的脆弱性，從而影響了普惠金融的實施效果[15，16]。因此，有必要進一步探討銀行競爭程度變化對銀行數字普惠金融服務效率的影響。此外，在以往研究中，鮮有學者對銀行競爭、普惠金融以及企業融資約束三者之間的關系進行進一步的探討。普惠金融對企業融資約束緩解的積極作用已得到了一部分學者的證實，而這種積極作用是否會隨著銀行競爭程度的變化而有所改變？如何改變？這些問題都有待深入研究。

二、分析框架與研究假設

（一）銀行數字普惠金融發展與中小企業融資約束

發展普惠金融是我國的一項重要戰略。為推進普惠金融發展，我國相繼出臺了多項普惠政策，例如“三個不低于”①以及普惠金融定向降準政策②等，旨在促使銀行通過降低貸款利率以及增加貸款量，加大對中小企業融資的直接支持力度，直接提高中小企業對正規金融服務的可得性。鄒偉和凌江懷（2018）指出，普惠金融發展水平較高往往意味著金融供給相對充足，提高銀行數字普惠金融水平有利于進一步增加對中小企業的資金供給，從而緩解中小企業融資約束[9]。同時，作為正規金融的主要提供方，銀行的數字化轉型進一步推動了數字普惠金融的發展。受信用記錄不完善、抵押物缺乏以及信息不對稱等諸多因素的影響，中小企業往往面臨較強的融資約束[17]。而大數據以及征信等相關數字技術的發展和應用，在一定程度上使得銀行能夠及時有效地挖掘和收集客戶的信用數據，一方面有助于降低銀行的監管費用，從而降低中小企業的融資成本;另一方面提高了銀行的風險控制，從而加強銀行對中小企業的融資支持意愿[10]。同時，移動互聯網的發展打破了時間和空間的限制，降低了金融需求方獲取正規銀行服務的時間和距離成本，進一步提升了金融服務的可得性，擴大了銀行金融服務的覆蓋面[18]。基于以上分析，提出假設：

H1 發展銀行數字普惠金融能夠緩解中小企業的融資約束。

（二）銀行競爭程度的影響

銀行是數字普惠金融的主要實施主體，銀行競爭程度的變化直接影響了數字普惠金融的實施效果[19]。目前，雖然銀行競爭與普惠效率之間的關系仍存在爭議，但是絕大多數學者在基于中國背景的研究中發現，銀行競爭對普惠績效有正向的促進作用[11，20]。事實上，銀行競爭程度的加強在一定程度上有助于打破壟斷，促進金融服務深化，提高銀行對中小企業的普惠效率[13]。競爭程度的加強促使銀行以更低的利率為中小企業提供貸款，從而降低中小企業的融資成本[21];同時，有利于進一步促使銀行創新信貸技術，為中小企業提供更加多樣化和更具針對性的普惠金融服務與產品，從而提高金融服務的普惠性[22]。因此，結合我國銀行的發展現狀，提出以下假設：

H2 在銀行競爭程度較高時，銀行數字普惠金融發展對中小企業融資約束的緩解作用更加顯著。

三、研究設計

（一）數據來源與樣本選擇

基于數據可得性，本研究選取2011-2017年中國31個省份（不包括臺灣、香港和澳門）的相關數據來構建銀行數字普惠金融指數。另外，為衡量中小企業的融資約束，對應選取2011-2017年中小板上市公司的相關財務數據進行研究。在此基礎上，利用以下標準對企業樣本進行篩選：（1） 剔除金融類上市公司;（2）剔除ST和*ST公司;（3）剔除上市時間不滿1年的樣本;（4）剔除資產負債率大于1的樣本;（5）剔除數據缺失的樣本。為避免受極端值的影響，對連續變量按照1%和99%的水平進行Winsorize處理，最終獲得4489個觀測值。其中，銀行數字普惠金融指標數據來源于《中國區域金融運行報告》《中國各地區金融穩定報告摘要》《中國統計年鑒》和EPS數據庫，企業相關財務數據來自萬得、國泰安數據庫。

（二）主要變量計算

1. 銀行數字普惠金融指標選擇與衡量。銀行數字普惠金融其本質上是一種系統性的、多維度的金融行為。因此，在實際衡量時需要從多維度出發進行考慮，相關學者也進行了豐富的實踐。本文的主要研究思路是：基于目前普惠金融全球合作伙伴（GPFI）對數字普惠金融的定義，借鑒已有文獻，并結合銀行目前的主要服務和數字化發展狀況，對銀行數字普惠金融指標體系進行構建③。在構建過程中進一步遵循科學性、全面性、有效性及數據可獲得性原則[23]，從而選取出服務可得性、服務使用情況、服務質量以及數字化程度這4個主要維度，具體包括12個細分指標（見表1）。

上述4個不同維度實際上反映的是一個整體的不同視角。其中，服務可得性維度主要反映了銀行數字普惠金融對服務群體的覆蓋范圍，當服務可得性越高時，表明中小企業等弱勢群體能夠更加便利地獲取相關正規金融服務。使用情況維度則反映了銀行數字普惠金融對弱勢群體的觸達能力，當使用情況越好時，表明越多的中小企業等弱勢群體能夠真正享受到更多的數字普惠金融服務與產品。服務質量維度主要反映了普惠金融的商業可持續性以及獲取成本，當服務質量越高時，表明銀行數字普惠金融的商業可持續性越強，能夠更長久地為中小企業等弱勢群體以較低的成本提供相關產品與服務。數字化程度維度則反映了銀行利用數字技術實現服務效率的提高，當數字化程度越高時，表明此時銀行征信技術發展越好，能夠更好地緩解借貸雙方的信息不對稱程度，以降低信貸風險，并進一步提高貸款審核效率④。

參照該領域經典的研究，使用聯合國人類發展指數（HDI）的構建方法，并結合劉亦文等（2018）、Bozkurt等（2018）對不同指標的標準化處理方法以及相應權重測算方法，來計算2011-2017年銀行數字普惠金融發展指數[24，25]。

為避免受各指標量綱差異的影響，首先對各指標依次進行標準化處理。正向指標的標準化處理如式（1）所示，逆向指標的標準化處理如式（2）所示。

參照劉亦文等（2018）的研究，使用變異系數法對單一維度下的各個指標以及不同維度分別進行賦權，并在此基礎上合成單一維度指數BDFIi和綜合指數BDFI[24]。

2. 銀行競爭。采用各省份不同類型銀行支行數量份額計算出銀行業赫芬達爾指數（HHI），以此來度量各省市的銀行競爭程度。相應計算公式如下：

式（5）中，HHIjt表示j省在t時期的赫芬達爾指數值，Kjt 表示t時期j省內的所有類型銀行的數量，branchkjt 表示t時期j省內第k類銀行的分支機構數。

同時，參照劉鳳委和李琦（2013）的研究，以HHI指數值的中位數為標準，對各省份的銀行競爭程度進行分組[26]。由于HHI指數是逆向指標，其數值越小表示銀行競爭程度越強，所以當HHI指數值低于中位數時，為高競爭組，反之為低競爭組。

（三）模型設計及變量界定

參照姜付秀等（2016）[27]的研究，使用投資現金流敏感性模型作為衡量企業融資的基準模型⑤：

式（6）中，Inv為企業投資水平;CF為現金流，Controls為控制變量組，β1為投資現金流敏感性系數，當企業存在融資約束時，β1的估計值預期為正。此外，在研究中進一步設置了年度（Year）和行業（Industry）虛擬變量，用以控制年度固定效應和行業固定效應。

為進一步檢驗銀行數字普惠金融對企業融資約束的影響，在式（6）基礎上進一步引入現金流（CF）與銀行數字普惠金融（BDFI）的交互項，得到如下擴展模型：

式（7）中，若β2顯著為負，則表示銀行數字普惠金融能夠緩解企業融資約束。上述模型中各變量的具體計算方法見表3。

（四）描述性統計

表4是主要變量的描述性統計結果。企業投資水平的均值為0.074，中位數為0.054;現金流（CF）的均值和中位數分別為0.055和0.053，相差并不大;銀行數字普惠金融（BDFI）的最小值為0.051，最大值為0.702，從中可以看出各省份間的銀行數字普惠金融發展水平存在較大差距;銀行競爭程度（HHI）的均值和中位數分別為0.286和0.287，其最小值為0.235⑥。其他控制變量的描述性統計結果見表4，在此不一一贅述。

四、實證結果與分析

（一）銀行數字普惠金融與中小企業融資約束

基于F檢驗和 Hausman 檢驗的結果，采用固定效應法對相關模型進行回歸，回歸結果見表5。其中，第2列為基準模型的回歸結果。可以發現，基準模型中CF的系數在1%水平上顯著為正，說明企業存在明顯的融資約束。第3列為式（7）的回歸結果，結果顯示，CF×BDFI的估計系數在5%水平上顯著為負，表明銀行數字普惠金融的發展能夠有效緩解中小企業的融資約束，假設1成立。

在控制變量方面，Growth對應的回歸系數為正，但是并不顯著;Size的回歸系數顯著為負，表示企業規模越大，投資水平越低;ROA和Lev對應的回歸系數顯著為正，表示企業的資產收益率以及負債比率的增加將會導致投資水平的提高;Cashholding和First的回歸系數為正但并不顯著，Board的回歸系數為負但并不顯著。

（二）銀行競爭的影響

表5的分組回歸結果顯示，在低競爭組（HHI指數值>中位數），CF×BDFI的回歸系數為-0.095，但是并不顯著，說明在銀行競爭程度較低時，銀行數字普惠金融的發展對中小企業融資約束并無明顯緩解作用。在高競爭組（HHI指數值<中位數），CF×BDFI的回歸系數為-0.248，在5%水平上顯著，說明在銀行競爭程度較高時，銀行數字普惠金融的發展能夠有效緩解中小企業的融資約束，基本符合假設2的預期。

在此基礎上，進一步考慮將樣本分為民營中小企業組和國有中小企業組，探討當銀行競爭程度不同以及企業所有權性質不同時，主效應關系將如何變化。相關回歸結果（見表6）顯示，在民營企業樣本中，CF×BDFI的回歸系數為-0.170，在10%水平上顯著;在國有企業樣本中，CF×BDFI的回歸系數為-0.604，且在1%水平上顯著。結果表明，銀行數字普惠金融的發展能夠有效緩解國有中小企業和民營中小企業的融資約束，但是相對于民營中小企業，銀行數字普惠金融的發展對國有中小企業融資約束的緩解作用更加明顯，這與梁榜和張建華（2018）[10]的研究結果相反。可能的原因是：（1）梁榜和張建華（2018）研究中所使用的北京大學數字普惠金融指數實際上反映的是互聯網公司數字普惠金融服務的發展情況，而本文的數字普惠金融指數則是基于銀行業金融機構的相關業務所構建的;（2）目前銀行數字普惠金融的發展并不成熟，商業可持續性不高，再加上民營企業貸款風險高，收益相對較低，從而導致銀行在提供普惠金融服務時更偏向于國有企業。

在民營企業樣本中，低競爭組的CF×BDFI的回歸系數不顯著，甚至為正;高競爭組的CF×BDFI的回歸系數為-0.219，且在5%水平上顯著。這表明，當銀行競爭程度較弱時，銀行數字普惠金融的發展與緩解民營中小企業融資約束之間沒有形成穩健的聯系;而在銀行競爭程度較強時，銀行數字普惠金融的發展能夠明顯緩解民營中小企業的融資約束，這與假設2的觀點基本相符。

在國有企業樣本中，低競爭組的CF×BDFI的回歸系數為-1.994，在1%水平上顯著;高競爭組的CF×BDFI的回歸系數為-0.436，僅在10%水平上顯著。這表明，相對于高競爭組，低競爭組中銀行數字普惠金融的發展對國有中小企業融資約束的緩解作用更加明顯。可能的原因是，當銀行競爭程度較低時，銀行存在選擇偏向，基于逐利動機，在提供資金服務時更傾向于國有企業。而當銀行競爭程度較高時，銀行的客戶選擇權相對較小，出于競爭壓力，銀行將進一步增加對民營企業的貸款供給，相對而言，對國有企業融資約束的緩解作用將有所弱化。

（三）穩健性建議

1. 控制內生性。

為減少內生性的影響，參照姜付秀等（2019）的研究，對除銀行數字普惠金融（BDFI）以外的解釋變量進行滯后一期處理[28]，并進一步控制省份固定效應，回歸結果匯總于表7。

在全樣本中，CF×BDFI的系數在5%的水平上顯著為負，支持假設1。另外，當銀行競爭程度較低時，CF×BDFI的系數為負但不顯著，而當銀行競爭程度較高時，CF×BDFI的系數在5%的水平上顯著為負，支持假設2。上述結論與表5基本一致。

2. 融資約束的其他度量方法。

目前，有關融資約束的度量方法仍存在較大爭議。為進一步提高研究的可靠性，另外采用SA指數⑦對融資約束進行度量，并對假設1與假設2進行重新驗證，所得結論與前文一致。

3. 銀行競爭程度的不同度量方法。

另外使用前三大銀行分支機構占比（CR3）對各省份銀行競爭程度進行衡量，按照中位數重新劃分高競爭組和低競爭組⑧。并進一步對相應模型進行重新回歸，實證結果與前文基本一致，因此認為前文得到的結果是穩健的。

五、結論與建議

通過構建銀行數字普惠金融發展指數，并以2011-2017年中小企業板上市公司為樣本，考察了銀行競爭、銀行數字普惠金融發展與中小企業融資約束之間的關系。研究發現，發展銀行數字普惠金融整體上能夠有效緩解中小企業的融資約束。當銀行競爭程度較高時，銀行數字普惠金融的發展對中小企業融資約束起到了良好的緩解作用;而當銀行競爭程度較低時，這種緩解作用并不顯著。此外，本研究進一步探討了企業所有制差異是如何影響銀行數字普惠金融發展與企業融資約束兩者之間關系的。結果顯示，相較于民營中小企業，銀行數字普惠金融的發展對國有中小企業融資約束的緩解作用更加明顯，這在一定程度上反映了當前銀行在發展數字普惠金融時存在選擇偏向問題。而隨著銀行競爭程度的提高，這種問題有所緩解。

本文的政策啟示在于：（1）政府部門應當加強金融監管，從資金及政策層面出發，加大對薄弱環節的支持力度，鼓勵銀行不斷創新數字普惠金融產品與服務，以滿足不同所有制企業的多元化融資需求，從而進一步提高銀行數字普惠金融對弱勢群體的服務精準性和有效性;（2）積極引導各類銀行有序競爭，逐漸形成具有競爭性的多層次的銀行市場結構，從而深化普惠金融服務效率。（3）中小企業的管理者應當不斷提高自身的金融素養，主動了解并充分利用現行的各項數字普惠金融政策。數字普惠金融對于實體經濟的發展存在顯著的促進作用，傳統金融發展、消費水平以及科技創新只具有一定的傳導作用，促進實體經濟發展的關鍵在于提高數字普惠金融的發展水平[29]。所以，受融資約束影響較大的中小企業更應當對數字普惠金融相關資源進行合理配置，使得數字普惠金融能夠更好地為中小企業服務，以真正實現企業價值的提升。

注釋：

① 2015年3月， 銀監會提出了 “三個不低于” 考核要求，即小微企業貸款增速不低于各項貸款平均增速、小微企業貸款戶數不低于上年同期戶數、小微企業申貸獲得率不低于上年同期水平。

② 2017年，中國人民銀行發布《中國人民銀行關于對普惠金融實施定向降準的通知》，將定向降準政策考核范圍由原來的小微企業貸款和涉農貸款調整為普惠金融領域貸款。

③ 國際組織普惠金融全球合作伙伴（GPFI）在G20峰會上將“數字普惠金融”定義為，“通過運用數字技術為無法獲得金融服務或缺乏金融服務的群體提供一系列的正規金融服務”。本文的“數字化程度”維度也更多是基于這一思路，考慮的是相關數字技術助力需求方獲取銀行正規金融服務的便利程度。而其他維度則是基于銀行現有的主要正規金融服務，即傳統的存款和借款兩大方面。

④ 當前銀行在發展數字普惠金融時，主要依托于移動互聯網以及征信系統的技術支持。一方面，廣泛的客戶群體可以通過移動終端快捷地接觸到銀行的普惠金融服務，這有助于降低普惠金融需求方獲取金融服務的時間和溝通成本。另一方面，在移動互聯網以及征信等技術的共同助力下，銀行能夠更準確、高效地獲取和存儲客戶的信用信息。這些信息能夠使銀行精準地預測潛在的違約風險，甚至可以取代抵押物等擔保方式，這有助于實現大數據時代下的金融產品的精準營銷和風險實時控制，全面提升銀行的數字普惠金融能力。但是限于數據可得性，目前有關銀行移動化技術發展程度的衡量指標數據大多為全國性數據，與本文所需的省域數據不匹配。因此，本文主要是考慮了“信用化”這一指標來反映數字技術助力需求方獲取銀行正規金融服務的便利程度，其在一定程度上也是征信技術以及互聯網技術的共同體現。后續學者在自身能力以及成本范圍內也可進一步補充選取更加合適的指標來展開研究。

⑤ F檢驗和Hausman檢驗的結果顯示應該采用固定效應模型。

⑥ 赫芬達爾指數HHI值>0.18被認為是寡占型的市場，本文計算出來的各省份HHI值均超過0.18，這表明我國信貸市場依然處于寡占階段，整體銀行業競爭程度相對較低。因此，本文并沒有考慮過度競爭可能的影響。

⑦ SA指數由兩個完全外生的變量（Size和Age）構成，不存在內生性變量，且目前在相關研究中得到廣泛應用[30]。其計算公式為：SA指數=-0.737×ln（企業資產總額/1000000）+0.043×（ln（企業資產總額/1000000））2-0.04×企業上市年限。

⑧ 由于CR3為逆向指標，其數值越小表示銀行競爭程度越強，所以當CR3低于中位數時，為高競爭組;反之，為低競爭組。

參考文獻：

[1] 焦瑾璞，黃亭亭，汪天都，等. 中國普惠金融發展進程及實證研究[J]. 上海金融， 2015（4）：12-22.

[2] 謝治春，趙興廬，劉媛. 金融科技發展與商業銀行的數字化戰略轉型[J]. 中國軟科學， 2018（8）：184-192.

[3] 郭峰，王靖一，王芳， 等. 測度中國數字普惠金融發展：指數編制與空間特征[J].經濟學（季刊）， 2020，19（4）：1401-1408.

[4] 任碧云，李柳潁.數字普惠金融是否促進農村包容性增長——基于京津冀2114位農村居民調查數據的研究[J].現代財經（天津財經大學學報），2019，39（4）：3-14.

[5] 譚燕芝，彭千芮.普惠金融發展與貧困減緩：直接影響與空間溢出效應[J].當代財經，2018（3）：56-67.

[6] 黃倩，李政，熊德平.數字普惠金融的減貧效應及其傳導機制[J].改革，2019（11）：90-101.

[7] Ahamed M M， Mallick S K. Is financial inclusion good for bank stability？ International evidence[J]. Journal of Economic Behavior & Organization， 2019， 157：403-427.

[8] 歐理平.普惠金融對商業銀行盈利可持續性的影響研究[J].學術論壇，2016，39（4）：41-45.

[9] 鄒偉，凌江懷.普惠金融與中小微企業融資約束——來自中國中小微企業的經驗證據[J].財經論叢，2018（6）：34-45.

[10]梁榜，張建華. 中國普惠金融創新能否緩解中小企業的融資約束[J]. 中國科技論壇， 2018（11）：94-105.

[11]郭曄，徐菲，舒中橋. 銀行競爭背景下定向降準政策的“普惠”效應——基于A股和新三板三農、小微企業數據的分析[J]. 金融研究， 2019（1）：1-18.

[12]肖晶，粟勤.破除銀行業壟斷能夠緩解中小企業融資約束嗎？[J].南開經濟研究，2016（5）：19-35.

[13]王雪，何廣文. 縣域銀行業競爭與普惠金融服務深化——貧困縣與非貧困縣的分層解析[J]. 中國農村經濟， 2019（4）：55-72.

[14]Marín A G， Schwabe R. Bank competition and financial inclusion：Evidence from mexico[J]. Review of Industrial Organization， 2019， 55（2）：257-285.

[15]胡金焱. 市場競爭結構與小額信貸功能的實現[J]. 中國高校社會科學， 2015（2）：105-115.

[16]譚燕芝，楊蕓.市場化競爭對金融支農水平影響的分析——基于省際面板數據的實證研究[J].經濟經緯，2016，33（3）：25-30.

[17]李蘭，潘建成， 彭泗清， 等. 企業家對宏觀形勢及企業經營狀況的判斷、問題和建議——2017·中國企業經營者問卷跟蹤調查報告[J]. 管理世界， 2017（12）：75-91.

[18]王馨. 互聯網金融助解“長尾”小微企業融資難問題研究[J]. 金融研究， 2015 （9）：128-139.

[19]Pham T T T， Nguyen T V H， Nguyen K S. Does bank competition promote financial inclusion？ A cross-country evidence[J]. Applied Economics Letters， 2019， 26（13）：1133-1137.

[20]張正平，楊丹丹. 市場競爭、新型農村金融機構擴張與普惠金融發展——基于省級面板數據的檢驗與比較[J]. 中國農村經濟， 2017（1）：32-45，96.

[21]陳虹. 銀行競爭、金融包容與中小企業發展——基于縣域農村金融圖集的數據[J]. 湖北社會科學， 2019， 386（2）：87-95.

[22]周順興，林樂芬. 銀行業競爭提升了金融服務普惠性嗎？——來自江蘇省村鎮銀行的證據[J]. 產業經濟研究， 2015（6）：11-20.

[23]沈麗，張好圓，李文君. 中國普惠金融的區域差異及分布動態演進[J]. 數量經濟技術經濟研究， 2019， 36（7）：62-80.

[24]劉亦文，丁李平，李毅，等. 中國普惠金融發展水平測度與經濟增長效應[J]. 中國軟科學， 2018（3）：36-46.

[25]Bozkurt I， Karaku R， Yildiz M. Spatial determinants of financial inclusion over time[J]. Journal of International Development， 2018， 30（8）：1474-1504.

[26]劉鳳委，李琦. 市場競爭、EVA評價與企業過度投資[J]. 會計研究， 2013（2）：54-62，95.

[27]姜付秀，石貝貝，馬云飆. 信息發布者的財務經歷與企業融資約束[J]. 經濟研究， 2016， 51（6）：83-97.

[28]姜付秀，蔡文婧，蔡欣妮，等.銀行競爭的微觀效應：來自融資約束的經驗證據[J].經濟研究，2019，54（6）：72-88.

[29]成學真，龔沁宜. 數字普惠金融如何影響實體經濟的發展——基于系統GMM模型和中介效應檢驗的分析[J]. 湖南大學學報（社會科學版），2020，34（3）：59-67.

[30]吳秋生，黃賢環. 財務公司的職能配置與集團成員上市公司融資約束緩解[J]. 中國工業經濟， 2017（9）：156-173.

（責任編輯：厲 亞）