數字普惠金融發展能降低上市公司債務融資成本嗎

肖忠意 陳海濤 李潤琪

【摘要】基于2011 ～ 2018年滬深A股上市公司樣本， 利用北京大學數字普惠金融發展指數數據， 實證檢驗城市級別的數字普惠金融發展對上市公司債務融資成本的影響。 研究發現： 城市級別的數字普惠金融發展水平越高， 上市公司的債務融資成本越低， 且這種影響存在顯著的異質性特征。 進一步的機制分析發現： 數字普惠金融發展能夠通過提升城市銀行業多樣性和降低企業的投融資錯配程度對債務融資成本形成顯著的中介因子效應。 總體而言， 數字普惠金融的發展有利于促進金融市場的結構優化， 降低企業的債務融資成本， 這為推進數字普惠金融發展， 進一步提升金融市場活力， 降低企業融資負擔提供了政策制定的經驗證據。

【關鍵詞】數字普惠金融;新結構經濟學;債務融資成本;中介效應

【中圖分類號】F275? ? ? 【文獻標識碼】A? ? ? 【文章編號】1004-0994（2022）04-0034-8

一、引言

習近平總書記在中央政治局集體學習中指出， 深化金融供給側結構性改革必須強化金融服務功能， 優化融資結構和金融機構體系、市場體系、產品體系， 為實體經濟發展提供更高質量、更有效率的金融服務。 隨著我國新基礎設施建設的全面推進和金融供給側結構性改革的深入， 數字普惠金融的發展對我國的金融結構和金融效率產生了廣泛且深刻的影響。 一方面， 我國的金融體系以銀行為主導， 并在發展中逐漸形成四大國有銀行在整個銀行體系中長期居于主導地位的格局[1] ; 數字普惠金融將更多的金融主體納入市場中， 加劇了金融市場的競爭， 促進了金融供給多元化， 給我國的金融格局帶來了結構性的變化。 另一方面， 借助于大數據和云計算的科技手段， 數字金融增強了金融機構的識別能力， 促進了信息的傳遞， 更高效地連接了金融主體， 在一定程度上緩解了主體間的信息不對稱問題[2] ， 從而降低了金融市場交易成本， 提高了金融效率。

資金是企業的血液， 融資問題是關乎企業生存和發展的重大問題， 也是學術界關注的焦點。 自我國經濟進入新常態發展階段以來， 經濟發展方式由高速發展向高質量發展轉變， 經濟環境的轉變給企業帶來了更大的融資壓力， 發揮金融工具服務實體經濟的功能， 降低融資成本、增強資金的可得性已成為企業發展的迫切需求。 從新結構經濟學的角度看， 在每一個特定的經濟發展水平上單個經濟體的稟賦及其結構是給定的， 并隨經濟發展水平的不同而不同， 因而經濟體的最優產業結構也會隨經濟發展水平不同而不同[3] 。 那么， 數字普惠金融發展帶來金融產業的結構性變化， 新的金融結構是否優于以往的金融結構， 是否能在經濟新常態的背景下為企業賦能， 降低其融資成本呢？ 為回答上述問題， 本文選取2011 ～ 2018年A股上市公司數據進行實證研究， 并進一步探討該問題背后的作用機制。

本文可能的貢獻在于： 首先， 基于新結構經濟學的角度拓展了數字普惠金融發展對企業債務融資成本影響的相關研究， 發現數字普惠金融的發展能顯著降低企業的債務融資成本， 且上述效應存在一定的組間差異性。 其次， 利用Sobel的中介因子效應模型， 對數字普惠金融發展降低企業債務融資成本的機制進行探索， 發現數字普惠金融發展通過提高城市的銀行業多樣性和優化企業投融資結構， 顯著降低企業的債務融資成本。

二、文獻綜述與研究假設

（一）文獻綜述

早在2005年， 聯合國就在“世界小貸年”的會議上以及次年發布的藍皮書文件中提出了“普惠金融”這一概念。 普惠金融強調金融的普遍性與優惠性， 希望通過對金融格局和金融資源分配的調整， 校正金融資源對優勢群體的過度傾斜， 從而使金融工具真正做到為大眾服務。 自2013年黨的第十八屆三中全會提出發展普惠金融這一戰略以來， 憑借著全面鋪開的新基礎設施和互聯網設施建設的優勢， 普惠金融依托數字平臺和數字技術新載體， 將其影響拓展到金融領域的各個方面， 廣泛而又深刻地促成了我國金融生態和金融結構的變化， 對金融要素稟賦進行了新的配置， 也成為眾多學者的關注焦點。

已有文獻對于數字普惠金融發展對我國企業融資的影響進行了實證研究， 發現數字普惠金融發展能夠從推動金融中介發展、降低金融市場信息不對稱性等渠道緩解企業融資約束[2] 。 進一步地， 梁榜、張建華[4] 以融資約束和企業債務融資成本為中介因子， 檢驗了數字普惠金融發展對企業創新的促進作用， 但其作用機理以及機制路徑尚不明確。

由于信息的不對稱和金融資源的稀缺， 銀行和金融機構在面對企業資金需求時， 會將資源向規模大、效率高、聲譽好、具有政府背景的企業傾斜[5-9] ， 從而增加民營企業、中小企業和經營上升期企業的融資難度和成本; 這反映了企業層面的金融資源結構性錯配。 從新結構經濟學的視角來看， 不合理的銀行業結構和金融結構， 可能在一定程度上造成企業融資困難。 金融結構、銀行業結構與經濟結構相匹配有利于經濟增長， 而在我國銀行占主導地位的金融結構中， 大型銀行的壟斷對企業的發展構成了不利的影響[10] 。 姚耀軍、董鋼鋒[11] 發現中小銀行的發展有利于降低企業的現金敏感性; 劉曉光、茍琴[12] 發現存在最佳的銀行業結構使企業受到融資約束的概率最低， 且我國銀行業集中度普遍高于該最優水平。 有理由認為， 數字普惠金融的發展會通過改變銀行業結構以及提升金融機構識別能力， 緩解企業的資金壓力， 并且這種緩解作用能夠體現在降低企業債務融資成本上。 由此， 本文提出數字普惠金融發展影響企業融資的可能的新結構經濟學理論路徑， 即數字普惠金融發展能夠調整銀行業結構和金融結構， 增強銀行間的競爭和金融市場的識別能力， 使資金供給更符合企業的發展需求， 進而降低企業融資難度和融資成本。

從對已有研究文獻的總結來看， 學界對于數字普惠金融發展對企業融資影響的研究成果頗豐， 且學者們對于數字普惠金融發展對企業融資具有促進作用這一命題有一定的共識， 但是學界對于數字普惠金融發展對債務融資成本的影響及其中介機制的研究尚存在空白， 尤其缺乏從新結構經濟學視角來解釋銀行業結構、金融結構變遷對企業債務融資成本影響的相關研究， 故本文將從這個方面入手進行研究。

（二）研究假設

1. 數字普惠金融發展與企業債務融資成本。 已有文獻表明， 數字普惠金融發展能夠有效緩解企業的融資約束， 這些研究探討了數字普惠金融發展對企業融資邊界的拓展作用， 并且提出其能夠依靠網絡和大數據技術， 有效降低企業與金融投資者之間的信息不對稱性， 提高資金需求方和資金供給方的匹配性[2] 。 在以往的金融結構中， 國有大型銀行占據著市場的主導地位， 壟斷造成的金融供給短缺以及金融信息的不對稱將顯著提升資金的競用性， 從而抬高債務融資成本， 特別是對中小型企業來講， 信貸歧視和資金供求的不平衡將使資金的獲取成本更加高昂。 隨著數字普惠金融的發展， 新機構、新平臺、新技術、新的信息識別方式能夠為金融市場注入更多的活力， 改變金融市場結構， 使資金更充沛、信息更充分， 銀行、金融機構競爭更激烈， 從而可能有效地緩解企業債務融資成本高昂這一問題。 鑒于此， 本文提出如下假設：

H1： 數字普惠金融的發展能夠顯著降低企業的債務融資成本。

2. 數字普惠金融發展與銀行業競爭。 迅猛發展的數字普惠金融沖擊著銀行現有競爭格局， 并對銀行傳統經營模式形成巨大挑戰。 在業務競爭方面， 數字普惠金融通過網絡平臺上的借貸、理財、眾籌、移動支付等業務， 極大地加大了銀行業的業務競爭; 在銀行業生態結構方面， 隨著數字普惠金融的發展， 一大批新興的商業銀行和中小銀行進入金融市場， 提升了城市的銀行網點數量， 打破了傳統的四大銀行壟斷競爭的銀行業生態。 在更充分的競爭中， 利率的市場化進程被進一步推動， 銀企之間的信息不對稱被進一步打破[13] ， 資金需求端的議價能力獲得了提升， 而更多中小型銀行的參與， 進一步提升了銀企間的匹配性， 使資金的供給得到了更多的保證。 鑒于此， 本文提出假設：

H2： 城市銀行業的競爭在數字普惠金融發展降低企業債務融資成本的過程中起到中介作用。

3. 數字普惠金融發展與企業投融資期限錯配。 對于企業投融資期限錯配對企業債務融資成本的影響這一問題， 學術界尚未有定論。 一方面， 融資優序理論指出， 具有優質資產和更高資金流動性的企業傾向于使用成本更低的短期債務資金進行長期投資， 從而提高長期借款的比例[14] ; 另一方面， 鐘凱等[15] 的研究指出， 企業投融資期限錯配其實是資金供給不足的一種表現， 即企業缺乏獲取長期資金的能力， 被迫利用不穩定的短期資金來進行長期投資， 結果導致投融資期限錯配。 隨著數字普惠金融的發展， 當金融市場的結構更加優化， 金融要素稟賦分配更符合企業發展的需要時， 更充分的金融信息、更強大的識別機制會使企業獲取長期資金的能力得到提升， 進而減少企業使用短期資金來填補長期投資缺口的行為， 從而降低債務融資成本。 因此， 本文提出假設：

H3： 投融資期限錯配在數字普惠金融發展降低企業債務融資成本的過程中起到中介作用。

三、研究設計

（一）數據選取

本文選取2011 ～ 2018年滬深兩市的A股上市公司為研究對象， 再依據北京大學的數字金融普惠金融指數和上市公司的地理信息， 構建年、城市、企業相匹配的面板數據集， 在此過程中剔除金融類上市公司、ST和?ST類上市公司、相關數據缺失的上市公司， 最終得到13326個企業—年份觀測樣本。 企業的財務數據和地理位置信息來自國泰安和銳思數據庫， 銀行業競爭數據根據中國銀行保險監督管理委員會網站提供的金融許可證信息手工整理計算所得。 主要的連續變量都使用Stata 15進行1%水平上的縮尾處理， 以排除極端值的影響。

（二）變量設定

1. 被解釋變量： 企業債務融資成本。 借鑒李廣子、劉力[5] 的研究， 本文使用COD1和COD2這兩個指標來衡量企業債務融資成本。 其中COD1由利息支出、手續費和其他財務費用之和除以財務費用、管理費用和銷售費用之和計算得到， COD2為財務費用占財務費用、管理費用和銷售費用之和的比例， 這兩個指標都通過計算財務相關費用支出占整體費用類支出的比例來衡量企業的債務融資成本。

2. 解釋變量： 數字普惠金融發展指數。 北京大學互聯網金融研究中心聯合螞蟻金服， 利用其收集的大量數字金融數據， 從覆蓋廣度、使用深度和數字支持服務程度三個維度選取了33個指標， 構建了一份覆蓋我國31個省、337個地級市， 時間跨度為九年（2011 ～ 2018年）的中國數字普惠金融發展指數， 為我國普惠金融領域的相關研究提供了寶貴的參考數據。 參考郭峰等[16] 的研究， 本文選擇其中259個與A股上市公司地理位置相匹配的地級市的數字普惠金融發展指數的自然對數作為核心解釋變量DFI， 這一總體指數涵蓋了上述三個維度， 能夠更好地衡量數字普惠金融的發展程度。

3. 中介變量。 首先， 參考姜付秀等[13] 的做法， 本文采用銀保監會提供的金融許可證數據， 計算出每年每個城市的銀行的支行數量， 并根據城市內銀行的市場份額占比， 計算出當年該城市的銀行業赫芬達爾系數。 由于赫芬達爾系數是一個負向衡量金融多樣性的指標， 本文取其倒數并除以100作為城市級別的金融多樣性（Diversity）指標。 其次， 參考鐘凱等[15] 的做法， 將投融資期限錯配（SLFI）界定為： 購建固定資產等投資活動現金支出-（長期借款本期增加額+本期權益增加額+經營活動現金凈流量+出售固定資產現金流入）。 其中， 長期借款的本期增加額為： 本期長期借款+一年內到期非流動負債-前期長期貸款。 計算的結果再除以期初的企業資產總額以去除規模效應， 得到投融資期限錯配（SLFI）指標。

4. 控制變量。 為了盡可能地避免變量遺漏的問題， 參考已有研究[17，18] ， 本文從多角度選取了多個微觀企業層面的控制變量， 這些控制變量都被證實能夠在一定程度上影響企業的融資情況， 包括固定資產比率（PPE）、資產負債率（Lev）、經營現金流比例（CFO）、企業規模（Size）、資產回報率（ROA）、凈資產收益率（ROE）、流動比率（Liquidity）、托賓Q（Q）、股權集中度（Top）、兩職合一（Dual）、所有權屬性（SOE）。 具體變量定義如表1所示。

5. 描述性統計。 表1第五列和第六列報告了主要變量的描述性統計結果， 其中， 債務成本指標COD1和COD2的均值分別為0.109和0.112， 說明對于大多數企業而言， 其債務融資成本占到了總體費用的10%左右， 而其標準差分別為0.197和0.194， 說明不同企業的債務融資成本之間存在一定的差異。 數字普惠金融發展指數（DFI）的均值為5.27， 標準差為0.289， 表明我國不同省份之間的數字金融發展水平差距較大， 不同企業所處的數字金融環境不同。 而在中介變量和控制變量方面， 投融資期限錯配（SLFI）、金融多樣性（Diversity）、企業規模（Size）等均存在較大差異， 表明控制變量對被解釋變量均存在較為顯著的影響， 且基本符合正態分布特征。

（三）模型設定

1. 主效應回歸模型。 本文采用如下基本回歸模型檢驗H1：

CODi，t=β0+β1DFIj，t+γControlsi，t-1+Year+

Industry+εi，t? ?（1）

其中： 下標i、j、t表示公司i、城市j與年度t; ε表示隨機擾動項; 被解釋變量COD表示上市公司債務融資成本情況， 本文分別對被解釋變量組中的COD1、COD2這兩個指標進行回歸; 解釋變量DFI為數字普惠金融發展指數。 根據H1， 本文預期主效應回歸的系數β1顯著為負， 即數字普惠金融發展顯著降低企業債務融資成本。

2. 中介效應模型。 為了檢驗數字普惠金融發展對上市公司債務融資成本產生影響的可能的路徑機制， 本文引入Sobel中介效應檢驗方法， 使用三步法設定中介效應的檢驗模型： 首先， 構建路徑A， 即基于式（1）， 在不添加中介變量的情況下， 觀察系數β1， 檢驗數字普惠金融發展指數對上市公司債務融資成本的影響情況; 其次， 構建路徑B， 即觀察數字普惠金融發展指數對中介變量的回歸估計系數λ1; 最后， 構建路徑C， 即在加入中介變量的回歸中， 同時考察數字普惠金融發展指數和中介變量對上市公司債務融資成本的影響， 即觀察系數δ1和δ2。 本文設計的中介效應的檢驗模型路徑B和路徑C分別如下：

Mediatori，t=λ0+λ1DFIj，t+φControlsi，t-1+Year+Industry+θi，t? ?（2）

CODi，t=δ0+δ1DFIj，t+δ2Mediatori，t+

τControlsi，t-1+Year+Industry+ξi，t? ? ? ? （3）

其中， 本文的中介變量（Mediator）包括城市銀行業結構和企業債務結構兩個維度， 前者由城市級別的金融多樣性（Diversity）來衡量， 后者由企業投融資期限錯配（SLFI）來衡量。

基于式（2）和式（3）的回歸結果， 當路徑A中的回歸系數β1顯著， 路徑B中的回歸系數λ1顯著， 路徑C中的回歸系數δ1顯著、δ2不再顯著， 且Sobel檢驗的Z值統計上具有顯著性時， 中介變量具有完全中介效應; 當路徑C中的回歸系數δ1明顯小于路徑A中的系數β1， 且Sobel檢驗的Z值在統計上顯著時， 中介變量具有部分中介效應。

四、實證結果與分析

（一）基準模型計量結果與分析

本文采用式（1）研究數字普惠金融發展對企業債務融資成本的影響， 被解釋變量為用兩種方法計算的企業債務融資成本COD1和COD2， 核心解釋變量為城市級別的數字普惠金融發展指數， 本文控制了企業規模、成長性、收益和負債情況、治理情況等變量， 且為了在一定程度上消除內生性影響， 對所有控制變量做滯后一期處理， 并在所有回歸中控制了年度和行業固定效應以增強結果的穩健性。 表2第（1）和（2）列報告了基準模型回歸結果， 其中數字普惠金融發展指數對債務融資成本COD1和COD2的估計系數為-0.090和-0.092， 且均在1%的水平上顯著， 這表明數字普惠金融發展能夠顯著降低企業債務融資成本， 且在一定程度上緩解了企業融資貴的問題， 與預期結果相一致。

（二）穩健性檢驗

1. 工具變量回歸。 在檢驗數字普惠金融發展對企業債務融資成本的影響時， 考慮到可能存在逆向因果內生性問題， 本文采用工具變量法進行估計。 參照謝絢麗等[19] 的工具變量構造法， 以互聯網普及率作為工具變量， 削弱雙向因果問題帶來的影響。 工具變量回歸檢驗的結果如表2第（3）、（4）列所示。 在對工具變量的檢驗中， Kleibergen-Paap rk LM統計量和Cragg-Donald Wald F統計量在1%和5%的水平上分別顯著拒絕弱工具變量和工具變量識別不足的假設， 工具變量構建有效。 在IV-OLS估計中， 數字普惠金融發展指數對企業債務融資成本的回歸估計系數仍小于0， 且在1%的水平上顯著， 說明在使用工具變量后基準回歸的結論依然十分穩健， 表明隨著數字金融服務促進普惠金融的發展， 企業可以獲得更低成本的債務融資， H1成立。

2. 剔除中心城市。 本文樣本中包括了普通地級市、副省級城市和直轄市， 不同層級城市經濟發展速度差距較大， 未排除副省級和直轄市超前發展可能帶來的內生影響。 本文剔除了所有直轄市和副省級城市的企業樣本， 僅保留企業所在地為普通地級市的樣本重新進行回歸， 結果表明數字普惠金融發展指數仍然顯著降低企業債務融資成本。 這在證明本文結論穩健的同時， 也在一定程度上反映了數字普惠金融的普惠性。

五、中介機制分析

（一）金融多樣性

已有文獻表明， 銀行業的競爭程度提高會顯著緩解工業企業的融資約束[20] ， 而在數字普惠金融的推動下， 銀行機構網點的數量提升， 業務的輻射范圍擴大， 彼此間的競爭加劇， 所以可能存在數字普惠金融的發展導致銀行間競爭加劇進而使得企業融資成本下降的中介機制。 本文用銀行業赫芬達爾系數的倒數構建金融多樣性指標以衡量銀行業的競爭程度， 檢驗金融多樣性對數字普惠金融發展影響企業債務融資成本是否具有中介效應。 式（2）和式（3）構建了數字普惠金融發展影響企業債務融資成本的完整機制鏈條， 對兩種債務融資成本的估計結果見表3。 第（1）、（3）列驗證了數字普惠金融發展對金融多樣性的影響， 數字普惠金融發展指數對金融多樣性的估計系數在1%的水平上顯著為正， 說明隨著數字普惠金融的發展， 各城市銀行支行數量增多， 競爭加劇。 第（2）、（4）列中數字普惠金融發展指數和金融多樣性對債務融資成本指標1、2的估計系數均顯著為負， Sobel檢驗Z值至少在10%的水平上顯著， 說明銀行業競爭的中介機制確實存在， 數字普惠金融的發展改變了銀行業競爭結構， 促使其在爭取優質貸款用戶時的競爭加劇， 降低了企業債務融資成本。 但由于數字普惠金融發展指數的系數仍在1%的水平上顯著， 此中介機制檢驗僅解釋了部分作用， 說明還存在其他影響渠道。

（二）投融資期限錯配

本文還對我國企業普遍存在的投融資期限錯配現象提出了另一機制假設， 探討數字普惠金融發展是否會通過抑制企業投融資期限錯配降低企業債務融資成本。 回歸結果見表4， 兩種債務融資成本的估計結果顯示， 數字普惠金融對投融資期限錯配的回歸系數為-0.023且在10%的水平上顯著， 而投融資期限錯配對債務融資成本的估計系數為0.085且在1%的水平上顯著， 說明數字普惠金融的發展確實會抑制企業投融資期限錯配的情況， 提高企業資金使用效率， 減少其對短期債務融資的依賴， 進而降低債務融資成本。

六、拓展性檢驗： 異質性分析

（一）普惠金融的普惠性

近年來， 我國在運用數字技術發展普惠金融方面走在世界前列， 數字金融改變了傳統金融“不接地氣”的格局， 無論身處何地， 只要有移動網絡即可享受同樣的金融服務， 可以說其最大的價值就是普惠性， 但這種普惠性也平等地落實到企業上了嗎？ 本文從兩個方面對此問題進行進一步研究。

首先， 依據樣本企業托賓Q的年度均值， 將樣本企業分為高成長性組和低成長性組， 并考察在分組回歸中數字普惠金融發展的系數， 檢驗結果如表5所示。 可見， 數字普惠金融對高成長性和低成長性企業的兩種債務融資成本的估計系數均顯著為負， 但對高成長性企業的估計系數明顯更小， 說明數字普惠金融可普遍性地降低企業融資成本， 但對低成長性企業效用更強， 即更多地惠及了傳統金融服務中的長尾用戶。

其次， 科技是社會發展的主要推動力， 各國都以推動科學技術的發展為重點引領新一輪經濟增長。 我國科技企業為提升我國的國際競爭力做出了巨大的貢獻， 然而高科技企業因為資金投入時間長、產出風險大、資金需求大等特點一直面臨融資困境。 鑒于此， 本文依據《上市公司行業分類指引（2012年修訂）》的行業分類標準， 將制造業、信息傳輸、軟件和信息技術服務業、科學研究和技術服務業三類行業企業納入高科技企業組， 其他行業企業納入非高科技企業組， 并分別使用基準回歸模型進行分組回歸， 回歸結果如表6所示。

結果表明， 數字普惠金融發展對高科技企業和非高科技企業的兩種債務融資成本的回歸結果均顯著， 但對高科技企業的估計系數明顯更大， 說明隨著數字普惠金融拓寬了銀行獲取企業信息的渠道， 高科技企業的優質項目可以更好地被識別， 從而債務融資成本下降。

（二）外部環境

如前文所述， 企業層面的數字普惠金融實施依靠市場化的商業行為， 由于我國地區金融發展水平有較大差異， 且不同地區不同的金融發展水平將顯著影響企業的信貸利率[21] ， 所以數字普惠金融發展對企業債務融資成本的影響也可能存在地區異質性。 本文根據王小魯等[22] 編制的《中國分省份市場化指數報告（2018）》， 以市場化進程總指數的年度中值為標準， 將上市公司所在省市劃分為高市場化程度和低市場化程度兩組， 分別使用基準模型進行回歸， 結果如表7所示。

可見， 數字普惠金融發展對高市場化程度樣本和低市場化程度樣本的債務融資成本的估計系數均顯著為負， 且市場化程度較低地區的企業回歸估計系數更小， 說明市場化水平也在一定程度上影響了數字普惠金融發展的效果。

（三）債務期限結構

企業的債務期限結構取決于資本市場資金供求雙方（投資者和企業）市場力量的博弈[23] ， 而企業債務期限結構的變化會影響企業投融資行為、財務風險等， 因此債務期限結構是外部金融結構變化對企業產生影響的直接路徑。 本文還從短期債務占長短期債務合計的比例區分依賴短期債務的企業和依賴長期債務的企業， 分別使用基準模型進行回歸， 回歸結果如表8所示。

結果表明， 對依賴不同期限債務的企業而言， 數字普惠金融發展都顯著降低其債務融資成本， 但上述作用對于依賴長期借款的企業而言更小。 可能有兩方面解釋： 首先， 可以獲得較多長期貸款的企業本身在銀行授信度高， 在長期借款方面成本已經較低， 貸款成本下降空間不足; 其次， 出于風險控制考慮， 銀行偏好于短期貸款， 在普惠金融貸款供給增多的情況下， 依賴短期貸款的企業可優先獲得更低成本的貸款。

七、研究結論與政策啟示

本文利用2011 ～ 2018年A股資本市場上市公司以及北京大學數字普惠金融發展指數的相關數據， 實證檢驗了數字普惠金融發展對于上市公司債務融資成本的影響， 及其中可能存在的中介機制。 相關實證研究發現： 首先， 數字普惠金融的發展與上市公司債務融資成本之間存在顯著的負相關關系， 城市級別的數字普惠金融發展水平越高， 該地區企業的債務融資成本越低， 且在使用省級互聯網普及程度作為工具變量時該結果保持穩健。 該發現驗證了數字普惠金融發展對于金融工具賦能實體經濟、降低企業債務融資負擔的切實效果。 其次， 本文進一步通過中介效應檢驗， 發現數字普惠金融發展對上市公司債務融資成本的負向影響是通過增強城市銀行業競爭和降低上市公司投融資期限錯配程度實現的。 最后， 數字普惠金融發展對上市公司債務融資成本具有顯著的異質性影響， 且上述作用對于低成長性企業、高科技企業以及債務結構偏短期的企業而言更強， 這與中介機制檢驗的結果共同表明： 一方面， 數字普惠金融的發展使得長期資金的供給更加穩定、價格更加合理， 顯著緩解了企業長期資金缺乏、被迫使用短期資金進行長期投資的窘境， 進而降低資金成本; 另一方面， 數字普惠金融的發展有利于金融結構和銀行業結構的優化， 使其與實體經濟發展結構更加匹配， 從而充分釋放金融要素稟賦對經濟發展的促進作用。

立足于我國資本市場和數字普惠金融發展的實際情況， 本文提出如下三點政策啟示： 第一， 繼續大力推進依托于數字基礎設施建設的數字普惠金融發展， 增強我國資本市場的金融科技實力， 增強資方的信息搜集、信息匹配能力， 不斷優化資本市場與企業間的信息配置， 緩解由信息不對稱所帶來的企業債務融資成本高昂問題; 第二， 重視金融結構改變， 包括銀行業結構和企業投融資結構改變對降低企業債務融資成本的作用， 進一步加大金融市場的開放力度和競爭程度， 尤其要在合理監管的同時， 發揮中小銀行和中介機構的作用， 打破大型商業銀行的壟斷， 充分釋放資本市場活力， 讓金融要素稟賦的源泉充分涌流; 第三， 在推進數字普惠金融發展的同時， 需要重視其影響中存在的異質性， 進一步支持數字普惠金融向中小企業、民營企業傾斜， 校正現有金融體系的融資偏好， 從而使融資的成本更加公平、合理， 使數字普惠金融具備真正意義上的普惠性。

【 主 要 參 考 文 獻 】

[1] 林毅夫，孫希芳.銀行業結構與經濟增長[ J].經濟研究，2008（9）：31 ～ 45.

[2] 萬佳彧，周勤，肖義.數字金融、融資約束與企業創新[ J].經濟評論，2020（1）：71 ～ 83.

[3] 滕磊.數字普惠金融緩解中小企業融資約束的機制與路徑[ J].調研世界，2020（9）：27 ～ 35.

[4] 梁榜，張建華.數字普惠金融發展能激勵創新嗎？——來自中國城市和中小企業的證據[ J].當代經濟科學，2019（9）：74 ～ 86.

[5] 李廣子，劉力.債務融資成本與民營信貸歧視[ J].金融研究，2009（12）：137 ～ 150.

[6] 肖忠意，林琳.企業金融化、生命周期與持續性創新——基于行業分類的實證研究[ J].財經研究，2019（8）：43 ～ 57.

[7] Sattar A.， William F.， Darius P.. Analyst forecast characteristics and the cost of debt[ J].Review of Accounting Study，2011（16）：116 ～ 142.

[8] Charlene P.， Leo L.， Joseph H.. Accounting quality， debt covenant design， and the cost of debt[ J].Review of Quantitative Finance and Accounting，2016（47）：1271 ～ 1302.

[9] Minnis M.. The value of financial statement verification in debt financing： Evidence from private U.S. firms[ J].Journal of Accounting Research，2011（2）：457 ～ 506.

[10] 林毅夫，姜燁.經濟結構、銀行業結構與經濟發展——基于分省面板數據的實證分析[ J].金融研究，2006（1）：7 ～ 22.

[11] 姚耀軍，董鋼鋒.中小銀行發展與中小企業融資約束——新結構經濟學最優金融結構理論視角下的經驗研究[ J].財經研究，2014（1）：105 ～ 115.

[12] 劉曉光，茍琴.銀行業結構對中小企業融資的影響[ J].經濟理論與經濟管理，2016（6）：58 ～ 71.

[13] 姜付秀，蔡文婧，蔡欣妮，李行天.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（6）：72 ～ 88.

[14] Kahl M.，Shivdasani A.，Wang Y.. Short-term debt as bridge financing： Evidence from the commercial paper market[ J].Journal of Finance，2015（1）：211 ～ 255.

[15] 鐘凱，程小可，張偉華.貨幣政策適度水平與企業“短貸長投”之謎[ J].管理世界，2016（3）：87 ～ 98.

[16] 郭峰，王靖一，王芳，孔濤，張勛，程志云.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）：1401 ～ 1418.

[17] 肖忠意，林琳，陳志英，許定寶.財務柔性能力與中國上市公司持續性創新——兼論協調創新效應與自適應效應[ J].統計研究，2019（5）：82 ～ 93.

[18] 魏志華，王貞潔，吳育輝，李常青.金融生態環境、審計意見與債務融資成本[ J].審計研究，2012（3）：98 ～ 105.

[19] 謝絢麗，沈艷，張皓星，郭峰.數字金融能促進創業嗎？——來自中國的證據[ J].經濟學（季刊），2018（4）：1557 ～ 1580.

[20] 方芳，蔡衛星.銀行業競爭與企業成長：來自工業企業的經驗證據[ J].管理世界，2016（7）：63 ～ 75.

[21] 楊昌輝，張可莉.利率市場化、區域金融發展與企業融資成本[ J].財會月刊，2018（2）：155 ～ 162.

[22] 王小魯，樊綱，胡李鵬.中國分省份市場化指數報告（2018）[M].北京：社會科學文獻出版社，2019.

[23] 向古月，周先平，劉仁芳.經濟政策不確定性、債務短期化與財務脆弱性[ J].統計與決策，2020（20）：131 ～ 135.