數字普惠金融發展對企業債務融資成本的驅動效應研究

黃 沖

一、引言

黨的十九屆五中全會系統部署并明確要求完善現代金融監管體系，助推經濟社會邁向高質量發展階段。目前，我國企業融資問題逐漸顯性化，企業債務融資成本與企業經營決策的可操作性和有效性密切相關，如何降低企業融資成本一直是熱門的學術研究問題，更是中央和各級地方政府長期關注的現實問題。

隨著互聯網、云計算等數字化技術與金融行業合作加深，科技型金融工具層出不窮。數字普惠金融的出現，使得企業能以更加便利化的方式獲得融資，讓企業獲得充足的資金以實現長足發展。因此，數字普惠金融發展對于有效驅動我國企業債務融資成本降低具有重要的實踐意義。本文以“數字普惠金融-企業債務融資成本”為研究范式，基于計量經濟學，構建虛擬變量的面板回歸模型，實證探究數字普惠金融對企業債務融資成本的影響，豐富現有研究理論，為企業債務融資管理提供科學參考，為激發實體經濟活力做出貢獻。

二、理論分析與研究假設

宏觀環境可以影響企業債務融資成本，具體又包含產業政策、貨幣政策、法律環境、行業特點等；影響企業債務融資成本的微觀因素主要有社會責任、產權性質和會計信息質量等。從理論上講，數字普惠金融簡化了傳統金融機構的業務流程，信貸服務定價逐漸趨向透明、合理，削弱企業債務契約履行過程中產生逆向選擇與道德風險的影響。數字化技術的應用和內部控制的加強，企業內部的代理沖突逐步降低，有效提高了企業經營效率。從現實情況看，當前我國金融體系尚存在融資模式單一、融資渠道受限、資金錯配現象頻頻出現等問題，低下的金融系統效率不僅會加劇資源錯配，企業債務融資成本隨著金融系統本身融資成本的提升也會有所加重。

成本可控是數字普惠金融發展的前提，隨著各類數字化技術不斷出現，為數字普惠金融發展提供了有效的技術支撐，數字普惠金融具備可持續的模式，同時以成本可負擔以及負責任的方式，為社會各階層尤其是現有金融體系覆蓋不足的特殊群體以及中小微企業提供平等、有效、全面、方便、持續的金融產品和服務。對于企業融資來說，數字普惠金融通過數字化手段降低了融資成本，這其中又包含了時間成本和資金成本，同時增加了金融服務的普惠性。當數字普惠金融發展逐漸成熟，數字化平臺趨于正規化，與傳統民間借貸的競爭越來越激烈，將對傳統金融體系產生一定程度的“擠出效應”。隨著數字普惠金融和傳統民間借貸的競爭力度逐漸加大，企業債務融資效率將不斷提高。數字普惠金融依托數字化工具，實現對金融服務提供者的專業化分工，滿足企業線上辦理借貸業務的需求，并在一定程度上緩解了銀企間的信息不對稱，技術溢出的驅動效應會直接影響銀行業的競爭程度，帶來一定程度的“鯰魚效應”，減輕“鞋底成本”；此外，數字普惠金融得益于先進的信息技術和智能大數據網絡完成相關流程，極大地縮減了企業債務融資的時間成本。數字普惠金融促進金融資源向中小微企業、農民等特殊群體傾斜，緩解信貸約束，促進實體經濟高質量發展。

隨著數字化發展進程加快，融資工具呈現多樣化趨勢，包括銀行在內的各類金融機構推出的金融服務呈現出高效率和低成本等特征。因此，企業能夠以相對公平的成本范圍獲得資金融通，實現融資成本的降低。數字普惠金融的發展可以使供給缺口得到有效彌補，合理化、科學化配置金融資源，釋放信貸配給壓力，為企業降低債務融資成本提供新途徑。首先，網絡借貸使資金需求方與供給方的匹配程度更加貼合，較好地解決了由于地理差異而導致的信息不對稱問題；其次，以“余額寶”為代表的互聯網金融迅速發展，極大地改變了信貸服務的傳統模式，使得企業的投融資渠道有效拓寬。基于上述分析，數字金融在網絡信貸、互聯網金融、移動征信等領域的創新發展，有效地提高了金融服務的滲透性，幫助企業拓寬融資渠道，助推企業債務融資成本降低。

綜上，本文提出如下假設：

假設1：數字普惠金融發展與企業債務融資成本存在負相關關系

假設2：數字普惠金融發展對企業債務融資成本降低存在區域異質性

假設3：數字普惠金融發展對企業債務融資成本降低存在行業異質性

三、研究設計

（一）樣本選擇與數據來源

本文初始研究樣本選取了2011-2018年滬深A股上市公司的相關面板數據。首先，對原始數據樣本進行清洗整理：（1）剔除保險類、金融類上市公司；（2）剔除財務狀況異常的ST和*ST類上市公司；（3）遵循“五年連貫”原則，剔除樣本數據嚴重缺失或者不連續的上市公司。本文最終選取662家企業、5 296個樣本組展開實證分析。為消除極端異常值的影響，降低財務數據錯誤統計的可能性，使實證分析結果更加可信，本文首先利用Stata16.0軟件，通過Winsorize對5 296個樣本數據分別進行縮尾處理，以1%分位和99%分位為標準。

本文通過北京大學數字金融研究中心獲取數字普惠金融指數（2011-2018）；通過東方財富網與國泰安（CSMAR）經濟金融研究數據庫獲取其他相關企業財務數據。本文數據處理和實證分析主要通過Excel軟件和Stata16.0軟件實現。

（二）變量定義

1.被解釋變量指標。本文選取企業債務融資成本（Debt_cost）指標作為被解釋變量。參考已有文獻，本文中企業債務融資成本（Debt_cost）采用上市公司年報中披露的本年利息支出與公司年均總負債的比值進行衡量。

2.核心解釋變量指標。本文選取北京大學數字普惠金融指數（DIFI）（2011-2018）作為核心解釋變量的代理指標，該變量用來測度我國數字普惠金融發展水平。為了消除量綱，本文對數字普惠金融指數除以100，調整為以1為基準的指標變量。

3.控制變量指標集。雖然本文的研究對象是數字普惠金融和企業債務融資成本，但是企業融資的內在因素和財務指標會對被解釋變量產生一定程度的影響。考慮數據獲得性，本文構建了與企業債務融資成本相關的控制變量集，具體包括以下控制變量指標：企業規模（Asset），企業債務融資規模（Debt），固定資產比率（Fix），企業現金流動性（Cfo），資產收益率（Roa），企業發展潛力（Growth），資產負債率（Lev），托賓Q值（Q）。

（三）模型構建

為了研究數字普惠金融發展對于企業債務融資成本的驅動效應，被解釋變量選取企業債務融資成本（Debt_cost），選取數字普惠金融指數（DIFI）和其他控制變量作為自變量，結合本文的三個研究假設，經過Hausman檢驗，分別構建面板固定效應模型。

針對假設1，構建具有動態驅動的面板固定效應模型：

針對假設2和假設3，構建帶有虛擬變量的面板固定效應模型：

四、實證分析

（一）描述性統計

根據變量的基礎統計分析結果可知，企業債務融資成本（Debt_cost）和企業債務融資規模（Debt）的最大值與最小值的差異倍數較高，原因在于不同企業的產權性質、治理結構、管理決策、會計穩健性、會計信息質量、社會責任等方面存在較大差異，從而企業作為債務人獲得融通資金的難度、應付報酬以及規模各有不同；數字普惠金融指數（DIFI）的標準差最大，且平均值和中位數均高于2，而最小值僅為0.1622，說明數字普惠金融發展在時間和空間兩個維度都存在較大差異，原因在于數字普惠金融處于發展起步階段，金融組織體系在深度和廣度上仍然不足，區域間的金融服務能力、服務水平以及相關體制機制的完善度和協同性仍有差別。

（二）驅動效應分析

1.基準回歸分析。本文通過遞進方式對“數字普惠金融-企業債務融資成本”進行固定效應面板回歸。實證結果表明（見表1），在顯著性水平為5%時，兩個面板回歸模型的F檢驗統計量均通過顯著性檢驗，驗證了原模型的假定，整體回歸顯著；控制變量集的顯著性均通過檢驗，由于篇幅限制，表1中不再一一陳列。本文利用模型（1）驗證假設1；第一，通過控制時間固定效應和企業固定效應，僅僅以核心解釋變量DIFI作為自變量，回歸結果如表1的（1）所示，回歸系數為-0.000135，t檢驗統計值為-6.83；第二，將控制變量集納入面板回歸模型，與DIFI共同作為自變量，回歸結果如表1的（2）所示，回歸系數為-0.000057，t檢驗統計值為-2.35。因此，數字普惠金融指數表現為明顯顯著，且增加控制變量指標集后，DIFI的回歸系數的變化較小，說明該回歸模型具有穩健性且驗證了假設1。回歸結果表明，數字普惠金融發展越好，越有利于融資企業降低債務融資成本。

對于控制變量集，企業規模（Asset）與企業債務融資成本（Debt_cost）之間呈現顯著的負相關關系，企業規模越大，經營能力越強，償債風險越小，信用評估等級就越高，企業在進行資金融通時只需要付出相對較低的成本，企業債務融資成本低；企業現金流動性（Cfo）與企業債務融資成本（Debt_cost）之間存在負相關關系，當企業具備充足的資金時，表明企業的償債能力強，金融機構進行債務發放時，更傾向于該類企業；資產負債率（Lev）與企業債務融資成本（Debt_cost）之間呈現顯著的正相關關系，資產結構中負債比例較高的企業，企業在償還債務時壓力越大，帶來較大的償債風險和財務風險，從而企業債務融資成本越高。

綜上所述，數字普惠金融發展具有明顯降低企業債務融資成本的驅動作用。從宏觀層面講，數字普惠金融正在加速助力傳統金融系統創新升級，以數字化技術呈現多樣化的金融服務和金融工具，更好地以數字化金融為工具助推實體經濟高質量發展，驅動企業融資成本降低；從微觀層面講，數字普惠金融有效緩解信息不對稱而產生的矛盾與問題，快速高效實現供需匹配，在企業自身綜合實力提升的同時，以數字普惠金融作為重要驅動力，進一步推動企業融資成本降低。

表1 基準回歸!數字普惠金融與企業債務融資成本

2.動態回歸分析。由于數字普惠金融尚處于新興發展階段，驅動效應的傳遞可能會存在時滯性。本文在基準回歸模型（1）的基礎上，構建以滯后1期的數字普惠金融指數（DIFI）和滯后2期的數字普惠金融指數（DIFI）作為新自變量的模型，進一步驗證數字普惠金融對企業債務融資成本的動態驅動效應。由表2可知，在5%的顯著性水平下，滯后1期和滯后2期的數字普惠金融指數（DIFI）均為負值，說明數字普惠金融發展對于降低企業債務融資成本的驅動效應具有長期性和動態性，并且隨著數字金融的深度和廣度進一步加大，惠及范圍進一步擴大，數字普惠金融會在助力企業降低債務融資成本過程中發揮更大的長期效用。

（三）異質性檢驗

本文將企業從地區和行業兩個層面展開異質性檢驗。按照國家統計局的劃分標準，根據歸屬地的不同將企業劃分為東部地區企業、中部地區企業和西部地區企業；根據所屬行業的不同劃分為制造業企業和非制造業企業。根據實證結果（見表3），數字普惠金融對不同屬性的企業在降低債務融資成本時，均起到了積極的推動作用，即數字普惠金融發展對企業債務融資成本降低存在區域異質性和行業差異性，假設2和假設3得到驗證。

對于地區異質性，東部地區的數字普惠金融發展對企業債務融資成本的驅動效應與總體樣本的基準回歸模型估計結構最為相似，原因在于東部地區屬于經濟發達地區，企業數量多；中部地區數字普惠金融指數（DIFI）回歸系數的絕對值最大，原因在于相比東部地區更為成熟的金融體系，中部地區企業的融資難度更大，而數字普惠金融發展容易起到更加顯著的作用；西部地區數字普惠金融發展水平較低，但隨著國家政策傾斜，企業融資需求不斷提升，而融資供給相對較少，數字普惠金融發展水平的效用相對較小。

對于行業異質性，制造業的數字普惠金融發展影響企業債務融資成本的效果更為明顯，原因在于我國制造業企業的固定資產規模較大，資金周轉率低下，不良貸款率較高，數字普惠金融可借助科技手段，對制造業企業風險進行全面評估，從資金供給側平衡融資供需，從而降低制造業企業債務融資成本。

表2 動態回歸!數字普惠金融與企業債務融資成本

表3 數字普惠金融與企業債務融資成本!異質性檢驗

五、研究結論

本文構建帶有虛擬變量的面板回歸模型，檢驗數字普惠金融對企業債務融資成本的驅動效應，并進行動態性和異質性分析。實證研究表明：數字普惠金融發展對企業債務融資成本的降低具有顯著的驅動效應，兩者關系表現為負相關關系。從動態性分析，驅動效應在長期內仍然存在，即在一定的時間區間，數字普惠金融發揮的負向降低作用伴隨債務融資成本的增加而增強；從異質性分析，在中部地區、制造業企業中，數字普惠金融可以發揮更大的效能，即可以更加有針對性地解決企業（尤其是中小微企業）在傳統金融體系中劣勢地位的問題。在新舊動能轉換的背景下，我國企業要順應數字金融發展的大趨勢，積極融入金融數字化和金融包容性的大潮中，緊抓數字普惠金融發展對其債務融資成本發揮負向作用的機遇，從綠色、高效、智能的視角著手升級改造，提高資金配置效率，降低資金融通成本，通過激發數字金融活力助推企業可持續發展，成為我國經濟高質量發展的新引擎。