數字金融是否降低了企業成本粘性？

■陳銀飛，鄧雅慧

一、引言

中共十九大提出要“深化金融體制改革，增強金融服務實體經濟的能力”。在傳統金融服務實體經濟過程中暴露出結構性錯配問題的背景下，以大數據、云計算、人工智能等為技術基礎的數字金融成為賦能傳統金融的重要幫手。在數字技術的支撐下，數字金融能夠低成本低風險地為廣大中小投資者提供金融服務，且服務內容更加多樣化。從企業內部資源配置的角度看，數字金融能夠基于企業數據信息，通過精細的算法流程，挖掘出與企業經營特征最為匹配的金融服務方案，從而使企業的經營管理更加集約。一方面，數字金融所依賴的信息技術能夠幫助企業對未來趨勢作出精準判別，從而使管理者做出合理的經營決策，避免盲目樂觀預期造成企業較高的成本粘性。且數字金融的大數據存儲功能海量地記錄了各利益相關者的交易活動，能夠在很大程度上抑制管理層的代理行為，從而降低成本粘性。另一方面，數字金融的普惠性特征能夠使長尾群體以更低門檻、更少成本、更加便捷的方式獲取金融支持，從而有效緩解企業面臨的融資約束。然而融資壓力的緩解會使企業在業務量上升時加大力度投資，在業務量降低時不愿削減成本，進而加劇成本粘性。因此，數字金融是增強還是抑制了成本粘性需要進一步探析。

現有文獻大多集中于探討數字金融的創業促進效應、就業促進效應和創新驅動效應，關于如何降低成本粘性也多圍繞公司治理、法制環境以及利益相關者展開，鮮有文獻將數字金融與成本粘性納入同一理論框架。鑒于此，本文系統論證了數字金融在企業成本管理決策中是增強還是抑制了成本粘性。此外，我國長期面臨產能過剩問題，尤其是2020年新冠肺炎疫情更是加重了這一現狀，因此當前“去產能、降成本”道阻且長，在此過程中，數字金融會對微觀企業的成本粘性產生何種作用？其中的作用渠道是什么？在不同類型的企業中影響效果是否有差異？金融監管是否會阻礙數字金融“降成本”效用的發揮？本文旨在回答上述問題，有助于數字金融更有效地與實體經濟融合，從而為供給側結構性改革中的“降成本”增添新動能。

二、理論分析與研究假設

Banker&Byzalov（2014）將企業成本粘性形成的原因歸結為以下三點：調整成本、代理問題以及管理者樂觀預期。調整成本是指企業增減資源投入會產生調整成本，而向下調整資源的成本通常高于向上調整資源的成本①由于企業下調承諾資源時對未來再次上調的考慮多于上調承諾資源時對未來再次下調的考慮，使得企業向下調整資源的成本要高于向上調整資源的成本。，致使企業在業務量降低時不愿下調資源投入，從而形成成本粘性。代理問題是指高管出于自利動機，往往會在銷售收入上升時過度投資，在銷售收入下降時拒絕削減資源投入，從而使成本粘性產生。管理者樂觀預期是指樂觀的管理者傾向于把業務量下降看作是暫時的，并預期未來的業務量會呈上升態勢，因而并不會因業務量降低而減少資源投入，由此產生成本粘性。在數字金融的影響下，企業的融資環境和管理者的行為決策發生了深刻改變，最終會在成本粘性上有所體現。本文將結合這一背景，圍繞調整成本、代理問題和管理者樂觀預期三個方面，對數字金融如何影響成本粘性展開論述。

（一）數字金融對企業成本粘性的加劇效應

數字金融重塑了傳統的信用定價模式（Duarte et al.，2012）、減少了金融機構與企業之間的信息不對稱（Demertzis et al.，2018）、突破了傳統金融物理網點的邊界束縛（張勛等，2019），有效增強了企業融資的可得性和便利性，在極大程度上降低了融資成本，釋緩了企業的融資約束（萬佳彧等，2020）。而融資成本正是調整成本的重要組成部分，對企業成本粘性的影響不容忽視（Bresnahan&Ramey，1994）。

對高融資約束的企業而言，當市場需求增加時，企業增加雇員、購買機器設備需要大量的資金支持，然而由于外部融資成本較高，其向上調整承諾資源的能力相對不足，由此降低了企業的成本增加幅度。當市場需求下降時，冗余資源會加大企業陷入財務困境的風險。因此，雖然解聘員工需要支付遣散費用、減少機器設備需承擔處置成本，且未來業務量恢復時可能會面臨更高的上調承諾資源的成本，但為了維持現期的生存，企業不得不通過遣散冗余雇員、處置多余機器設備來避免資金鏈斷裂，從而降低企業成本的提升幅度。因此，高融資約束企業的成本粘性往往較低。

在數字金融緩解企業融資約束的現實情境中，企業向上調整資源的能力得到提升，因此在業務量上升時會加大投資。在業務量減少時，由于融資渠道豐富，自由現金流增加，陷入財務困境的風險大大降低，企業不會通過裁減雇員、處置機器設備等方式來向下調整成本，從而強化了企業的成本粘性。基于此，本文提出如下假設：

H1：數字金融通過調整成本加劇了企業成本粘性。

（二）數字金融對企業成本粘性的抑制效應

從代理問題的角度看，數字技術的應用，提高了金融市場中各利益相關者的“誠信度”。在數字金融服務實體經濟的過程中，形成了一個完整的社交網絡，該網絡匯集了銀行的“資金流”、互聯網平臺的“信息流”、企業間交易的“商品流”（何師元，2015），企業的消費習慣、資信狀況和信譽行為被詳盡地披露，大大提高了信息透明度，有效緩解了信息不對稱和逆向選擇問題。此外，數字金融能夠通過對企業以往經營數據的深度挖掘與分析，識別出非正常的投資、交易記錄，從而促進成本管控和投資決策的科學化、精準化。在此基礎上，管理層的自由裁量權受到約束，通過構建“個人帝國”以獲取超額利潤的動機減弱。在市場需求旺盛時傾向于規避過度投資，合理規劃投資決策，在市場需求減少時也能進一步削減成本，從而使企業成本粘性降低。

從管理者樂觀預期的角度看，一方面，數字金融的發展，能夠使金融機構根據已有的客戶信息數據庫，并結合利率變動、通貨膨脹以及經濟波動等宏觀因素識別出未來經濟市場的走向。而隨著客戶的增多，信息的傳播、交流和共享會更加充分，從而不斷完善數據庫中的信息，進一步增強預測的準確度。另一方面，依托優質的技術工具，金融機構不僅能夠根據企業的經營狀況、交易行為和消費偏好定制最適宜企業實際發展需求的金融產品和服務，還能實時運用企業的生產經營數據進行超前預測，從而形成企業內部最優的生產路徑和有效的成本管控。因此，當企業業務量發生變化時，管理者可依據對客觀數據的估算和分析結果作出相對精準的判斷，避免了主觀上的樂觀預期導致成本決策偏離最佳的資源配置狀態（趙璨等，2020）。基于以上分析，提出假設2和假設3：

H2：數字金融通過緩解代理問題抑制了企業成本粘性。

H3：數字金融通過降低管理者樂觀預期抑制了企業成本粘性。

三、研究設計

（一）樣本選取與數據說明

本文選取的初始樣本為2012—2018年A股上市公司數據，刪除金融保險類以及存在數據缺失的樣本，最終得到1826家上市公司的12782個“公司—年度”觀測值。為避免離群值的影響，對所有連續變量在5%分位數上進行雙邊縮尾處理。為消除異方差影響，對部分變量取對數。數字金融指數來源于北京大學的《數字金融普惠金融指數》，企業財務數據來源于國泰安數據庫（CSMAR）。

表1 變量定義

（二）模型設計與變量定義

借鑒Anderson et al.（2003）的研究，設定模型（1）考察數字金融對企業成本粘性的影響。

其中，被解釋變量為營業成本變化（ln△cost），解釋變量為營業收入變化（ln△sale）、營業收入變化和營業收入下降虛擬變量（D）的交互項（ln△sale×D）、營業收入變化和營業收入下降虛擬變量以及數字金融指數（PDF）的交互項（ln△sale×D×PDF）。

economics為經濟因素變量，包括收入連續兩年下降（SD）、宏觀經濟增長（GDP）、勞動力密集度（labor）、資本密集度（capital）。controls為其他控制變量，包括企業規模（size）、企業年齡（age）、資產負債率（lev）以及管理層持股比例（mhold）。此外，本文還控制了行業和年度虛擬變量。主要變量的定義如表1所示，表2是變量的描述性統計結果。樣本的離散程度較高。此外，其他控制變量在樣本期內也存在較大波動幅度，這為本研究提供了輔助。

表2 描述性統計

四、實證結果與分析

（一）數字金融對企業成本粘性的影響

表3匯報了數字金融與企業成本粘性的基準回歸結果。列（1）是未加入經濟因素和其他控制變量的回歸結果，可以看到，ln△sale的系數為0.9864，ln△sale×D系數為-0.0877，均在1%的水平上顯著，說明上市公司存在成本粘性，營業收入每增加1%，營業成本便增加0.99%，而營業收入每減少1%，營業成本只減少0.90%。另外，數字金融與成本粘性的交互項ln△sale×D×PDF的系數為0.0293，且在1%的水平上顯著。在加入經濟因素和其他控制變量后，如第（2）列所示，ln△sale×D×PDF的系數仍在1%的水平上顯著為正，表明數字金融降低了企業成本粘性。

表3 基準回歸

為更細致地刻畫數字金融發展對企業成本粘性的影響，本文進一步將數字金融指數分解為覆蓋廣度（PDFcover）和使用深度（PDFdepth）兩個維度。其中，覆蓋廣度體現了電子賬戶等使用群體的廣泛性，覆蓋深度主要體現支付、信貸等業務服務的縱深發展（郭峰等，2020）。表4展示了雙維度的數字金融發展水平對企業成本粘性的影響，可以看到，數字金融覆蓋廣度和發展深度均在1%的顯著性水平上對企業成本粘性存在抑制效應，然而通過對比系數可以發現，數字金融的發展深度對企業成本粘性的抑制效果更加突出，說明數字金融在發展過程中不僅要注重覆蓋面積，更需進行深度挖掘。

表4 指標分解降維

表5 持續性檢驗

為檢驗數字金融發展對企業成本粘性的影響是否具有持續性，分別將滯后1期到3期的數字金融指數代入原模型中，依次進行回歸。表5的結果顯示，交互項系數均在1%的水平上顯著為正，且滯后期數越高，交互項系數越大，這表明數字金融對企業成本粘性的抑制效應存在較長時間的持續性，且數字金融的效用發揮具有一定的滯后性，在滯后第三期，數字金融對企業成本粘性的抑制效果達到最佳①從滯后三期開始，交互項系數逐漸變小，限于篇幅，未在表格中列出。。可能的原因是在數字金融發展初期，各項配套設施與服務沒有及時跟進，數字金融的效能未能得到充分釋放，而隨著各項技術設施與服務逐步發展成熟，數字金融的效用發揮達到最大化。

（二）作用渠道分析

上述研究表明，數字金融抑制了企業成本粘性，而其中的作用渠道是什么？前文理論分析指出，數字金融可通過調整成本、代理問題和管理者樂觀預期影響企業成本粘性，借鑒趙璨等（2020）的做法，采用分組回歸的方式對此進行探究。若數字金融對企業成本粘性的抑制效應在融資約束較低、管理層權利較大和經濟政策不確定性較高的樣本中更為顯著，則表明數字金融通過抑制代理問題和降低管理者樂觀預期的渠道成立；若在融資約束較高的樣本中，數字金融對企業成本粘性的影響表現為提升作用，說明數字金融通過調整成本增強企業成本粘性的現象存在。

為檢驗調整成本渠道，將融資約束分為高低兩組進行回歸。對于融資約束較高的企業而言，數字金融緩解了融資壓力，使其在業務量上升時成本支出擴大，業務量下降時向下調整資源的成本減少，從而使高融資約束企業的成本粘性增強。借鑒Hadlock&Pierce（2010）的研究，使用SA指數衡量企業融資約束②SA指數算法為：SA=-0.737×size+0.043×size2-0.04×age。其中size為企業資產總額（百萬）的自然對數，age為企業上市年限。SA指數越大，表示企業面臨的融資約束程度越高。。表6 Panel A列式了分組回歸結果。在融資約束較高組，交乘項的系數并不顯著，說明數字金融通過調整成本提高企業成本粘性的渠道沒有得到證實。在融資約束較低組，交乘項的系數反而在1%的水平上顯著為正。理論上，融資約束較小的企業，自由現金流較多，容易造成管理者的機會主義行為，從這一角度而言，以上結果可說明數字金融能夠通過緩解代理問題降低企業成本粘性。

表6 作用渠道檢驗

為再次驗證代理成本渠道，將管理層權利分為大小兩組。具體地，用獨立董事占比來衡量管理者權利，獨立董事占董事會成員的比重低，說明獨董之間難以相互制約，管理者權利較大，容易產生代理問題（王躍堂等，2006）。由Panel B可知，在管理層權利較大組，ln△sale×D×PDF的系數為0.0485，在1%的水平上顯著；在管理層權利較小組，ln△sale×D×PDF的系數在10%的顯著性水平上為0.0322，小于管理層權利較大組的系數，再一次驗證了數字金融可通過抑制管理層機會主義行為降低企業成本粘性的假設。

為驗證管理層樂觀預期渠道，將經濟政策不確定性分為高低兩組。其中，經濟政策不確定性用斯坦福大學和芝加哥大學聯合發布的經濟政策不確定性指數來衡量①針對中國的經濟政策不確定性指數主要是基于對中國香港南華早報相關文章關鍵詞的檢索得出，并按月發布。按照一般性做法，本文將月度指數取算術平均值得出年度經濟政策不確定性指數。，該指標因其連續性和時變性而受到廣泛應用（徐光偉等，2020）。當經濟政策不確定性較高，管理層的樂觀預期容易造成生產經營決策偏離經濟形勢的發展方向，而數字金融的整合、分析、預測功能能夠幫助企業做出相對準確的預判，從而降低管理者的樂觀預期，抑制企業成本粘性。如Panel C所示，在經濟政策不確定性較高組，ln△sale×D×PDF的系數在1%的水平上顯著為正；而在經濟政策不確定性較低組，ln△sale×D×PDF的系數雖為正，但并不顯著，從而驗證了數字金融可通過抑制管理層樂觀預期降低企業成本粘性的假設。

（三）數字金融的成本粘性增強效應再檢驗

根據數字金融影響企業成本粘性的作用渠道分析可知，數字金融主要通過抑制代理問題和管理層樂觀預期降低企業成本粘性，并無證據表明數字金融通過調整成本提高了企業成本粘性。由此引發的問題是，是否源于數字金融對管理層代理問題和樂觀預期的抑制效應過強，從而掩蓋了調整成本對企業成本粘性的提升作用？為了對此作出驗證，進一步篩選出代理問題較輕并且政策不確定性較低的樣本，以避免在驗證調整成本渠道時，另外兩種反向渠道對回歸結果的干擾。如表7所示，在高融資約束組，不管是否加入控制變量，ln△sale×D×PDF的系數均至少在5%的顯著性水平上為負，而在低融資約束組，ln△sale×D×PDF的系數均不顯著。因此，在較為純凈的樣本下，調整成本渠道的作用開始顯現，說明數字金融通過調整成本增強企業成本粘性的現象是存在的。

表7 數字金融的成本粘性增強效應再檢驗

那么隨之而來的問題是，為何數字金融的代理問題緩解效應和管理層樂觀預期抑制效應遠大于調整成本效應，從而使企業的成本粘性最終表現為降低？如前文所述，數字金融不僅能夠改善企業的融資環境，還能糾正管理層的決策行為。可以預見，數字金融對融資壓力的緩解會促進企業投資，從而使企業成本粘性增強；此外，數字金融對管理層代理問題和樂觀預期的抑制作用也會使管理者的投資決策更加審慎，能夠在一定程度上抑制過度投資。為此，本文從投資效率的角度對以上問題作出解答。投資效率作為企業資金使用效率的直接決定因素，深刻影響著企業的成本管理。如果數字金融在緩解企業投資不足的同時，并沒有進一步造成企業過度投資，也就不難解釋數字金融的成本粘性增強效應表現為隱性特征。為此，根據Richardson（2006）模型，通過回歸得出的殘差絕對值來度量投資效率，具體模型如下：

其中，growth為企業成長；lev為資產負債率；cash為現金持有；size為資產總額；age為企業上市年限；roa為資產報酬率；Inv為新增項目投資。除被解釋變量，其他變量均進行滯后一期處理。回歸得出的殘差為實際投資與預期投資的差值，即非效率投資。當殘差值小于0，說明企業存在投資不足現象；當殘差值大于0，說明企業存在過度投資。殘差絕對值越小，意味著實際投資與預期投資的偏離度越小，投資效率越高。

表8是數字金融與企業投資效率的回歸結果。如第（1）列所示，數字金融對投資效率的回歸系數在1%的水平上顯著為負，即數字金融與模型回歸的殘差絕對值負相關，說明數字金融提高了企業投資效率。為更清晰地認識數字金融對企業投資效率的提升作用，進一步根據殘差值符號將樣本分為投資不足組和投資過度組進行回歸。可以看到，在投資不足組，PDF的系數顯著為正，說明數字金融緩解了投資不足問題；在投資過度組，PDF的系數顯著為負，說明數字金融還有效抑制了過度投資問題。因而具體到企業投資行為上，數字金融的成本粘性增強效應最終被抑制效應所掩蓋的原因是，數字金融在緩解投資不足的同時，并沒有造成過度投資，反而顯著抑制了過度投資問題。

表8 數字金融與企業投資效率

五、異質性分析

（一）基于產權性質的異質性檢驗

國有企業和非國有企業在資源獲取、決策機制上的差異，使得成本粘性也呈現出不同的特征。一方面，得益于與政府的政治聯系，國有企業更易獲取國有銀行和商業銀行的信貸資源。相比之下，非國有企業在資源獲取上較為困難，容易受融資約束的影響。另一方面，相比于非國有企業，國有企業所有者缺位和委托鏈條過長等特征使得代理問題在其經營過程中更加突出。因此，當市場需求下滑時，國有企業減少資源投入以緩解資金壓力的需求不大，且管理者出于個人商業帝國構建的考量，并不愿削減冗余資源，從而使國有企業比非國有企業的成本粘性更大。相應地，數字金融對成本粘性的影響效果在不同所有制企業中也會存在異質性。

為檢驗數字金融對不同產權性質的企業成本粘性的影響效果差異，將樣本分為國有企業組和非國有企業組進行回歸。如表9第（1）、（2）列所示，在國有企業中，ln△sale×D×PDF的系數為0.0547，且在1%的水平上顯著，在非國有企業，ln△sale×D×PDF的系數在10%的顯著性水平上為0.0264，遠小于在國有企業組中的系數。這說明數字金融對成本粘性的抑制作用主要體現在國有企業中。

表9 異質性檢驗

（二）基于行業屬性的異質性檢驗

新興產業和非新興產業要素稟賦和政策偏向的差異決定了二者的成本粘性會有所不同。一方面，非新興產業中存在相當一部分過剩產能，當市場需求上升，企業依靠已有的產能便能滿足市場需求，并不會追加投資，當市場需求降低，企業則會進一步削減成本。另一方面，新興產業作為當前經濟發展的重點，享有眾多政策優惠，會在一定程度上造成企業盲目投資。在“政治晉升錦標賽”下，地方政府為提升發展速度，過分依賴土地、補貼等方式招商引資，從而引發對新興產業的投資熱潮。此外，政府對新興產業的大力扶持，會向外界傳遞出行業前景良好的信號，進一步引發投資者追加投資。然而當市場需求減少時，過度投資形成的沉沒成本難以及時削減，從而加劇企業收入與成本間的不對稱性（南曉莉和張敏，2018）。因此，相比于非新興產業，數字金融可能會在更大程度上抑制新興產業的企業成本粘性。

為檢驗上述差異，本文將樣本分為新興產業組和非新興產業組進行回歸①根據2018年10月12日國家統計局第15次常務會議通過的《戰略性新興產業（2018）》，本文將主營業務包含網絡信息安全產品和服務、“互聯網+”、物聯網、大數據、人工智能、集成電路、航空、衛星、軌道交通、海洋工程、新材料、生物工程、新能源、節能環保等關鍵詞的企業歸為新興產業組，將其他企業即主營業務包含鋼鐵、石油、水泥、船舶、電解鋁等關鍵詞的歸為非新興產業組。。如表9第（3）、（4）列所示，不管企業所屬行業是新興產業還是非新興產業，數字金融對成本粘性的影響均在5%的水平上顯著為正，通過對比的系數可以發現，新興產業組的交互項系數大于非新興產業組。這說明數字金融對企業成本粘性的抑制效應在新興產業中更明顯。

六、進一步討論

（一）金融監管的調節效應分析

數字金融在擴大金融服務邊界、降低金融交易成本和緩解信息不對稱的同時，也存在信用風險和網絡安全風險等問題，這對傳統的金融監管體系提出了新的要求。一方面，金融監管無疑能夠保障金融體系免遭重大風險沖擊；另一方面，數字金融業務的去中心化、去中介化特征放大了當前監管技術發展滯后、管制失靈等問題，容易造成數字金融與金融監管之間失衡，金融機構為符合監管要求會付出更多的成本，從而束縛數字金融發展。因此，監管的方向和強度深刻影響著數字金融的發展走向。

那么，在當前的金融監管下，數字金融對成本粘性的抑制效應會增強還是減弱？為回答這一問題，本文在原交互項ln△sale×D×PDF的基礎上繼續引入金融監管強度（superv）這一變量。此外，還將金融監管分為強弱兩組進行回歸，用于對比分析。借鑒唐松等（2020）的研究，以區域金融監管支出作為金融監管強度的衡量，并用金融業增加值予以標準化。

表10 數字金融、金融監管與企業成本粘性

根據表10第（1）列的回歸結果，在引入金融監管元素后，交互項ln△sale×D×PDF×super的系數在5%的水平下顯著為負，說明金融監管在數字金融與企業成本粘性的關系中起了負向調節作用。由（2）、（3）列的回歸結果可知，在金融監管較強的條件下，ln△sale×D×PDF的系數僅為0.0296，在金融監管較弱的條件下，ln△sale×D×PDF的系數為0.0451，遠大于前者，這進一步表明當前的金融監管束縛了數字金融效能的釋放。然而，這并不意味著需要對數字金融放松監管，相反，較之于發達國家，我國監管部門為了保證數字金融的效能充分釋放，對發展成長期的數字金融的監管強度并不大，而隨著數字金融不斷走向成熟，進行適當程度的監管才是助力其良性發展的必然選擇。當前數字金融發展與金融監管之間主要存在的是錯位問題，需著力改善二者間的協調性。

（二）穩健性檢驗①

①限于篇幅，結果留存備索。

第一，為提高樣本數據的精確度，本文使用城市層面的數字普惠金融指數（CDF）與企業的財務數據相匹配。第二，為避免反向因果關系和遺漏變量等問題導致內生性偏誤，選取滯后1到3期的數字金融指數以及企業所在城市的互聯網發展水平②本文借鑒楊德明和劉泳文（2018）的做法來衡量城市互聯網發展水平，具體地，將《中國新一線城市互聯網生態指數報告》中綜合排名前十的城市取值為1，包括杭州、深圳、廣州、珠海、廈門、南京、蘇州、上海、北京、武漢，其他取值為0。作為核心解釋變量的工具變量（楊德明和劉泳文，2018）。在進行內生性檢驗之前，將核心解釋變量更換為市級層面的數字金融指數。第三，考慮到一些不隨時間變化以及其他不可觀測因素可能對回歸結果產生影響，還對個體固定效應進行控制，回歸同樣采用市級層面的數字金融指數。結果顯示與前文一致，結果穩健可靠。

七、結論與啟示

本文以2012—2018年滬深A股非金融上市公司為研究樣本，首先考察了數字金融對企業成本粘性的影響，其次探究了數字金融影響企業成本粘性的作用渠道，隨后分析了在不同產權性質和行業屬性中，數字金融對企業成本粘性的異質性影響，最后檢驗了金融監管在數字金融與企業成本粘性中所起的調節效應。研究發現：第一，數字金融總體上抑制了企業成本粘性，且這種抑制作用具有持續性。相較于覆蓋廣度，數字金融使用深度對企業成本粘性的抑制作用更大。第二，作用渠道分析發現，數字金融通過緩解管理層代理問題和降低管理者樂觀預期抑制了企業成本粘性，并無明顯證據表明數字金融通過調整成本渠道增強了企業成本粘性，原因是數字金融在緩解企業投資不足的同時，還顯著抑制了過度投資。第三，異質性分析表明，相比于非國有企業、非新興產業，數字金融對國有企業、新興產業的成本粘性抑制作用更大。第四，進一步分析發現，金融監管在數字金融與企業成本粘性的關系中起負向調節效應。

基于以上研究結論，可得出如下啟示：第一，數字金融有助于優化企業成本管理，降低成本粘性。因此，一方面，需繼續加大互聯網、移動金融等基礎設施建設，并增設相關配套性服務，推進數字金融最大限度地發揮效用；另一方面，在企業生產、經營和管理過程中，可利用數字金融糾正管理層的代理行為和決策偏差，助力企業降本增效。第二，對國有企業和新興產業而言，數字金融對成本粘性的邊際抑制作用更大，這意味著國有企業和新興產業本身具有更強的成本粘性。因此，需進一步加強國有企業內部的監督機制，以糾正和約束管理者的決策行為。另外，可適當降低地方政府經濟增長指標的考核權重，防止地方政府盲目引導企業投資于新興產業。第三，創新金融監管模式，提升金融監管與數字金融之間的協調性，避免傳統的金融監管削弱數字金融對成本粘性的抑制作用。具體地，在科技賦能傳統金融的同時，監管也應當與時俱進，即重點發展監管科技，借助大數據、云計算、人工智能等技術手段來增強監管的即時性、針對性和有效性。