數字普惠金融與中小企業資本結構優化*

謝獲寶，敬卓爾，惠麗麗

（1.武漢大學經濟與管理學院，湖北 武漢 430072；2.武漢理工大學管理學院，湖北 武漢 430070）

一、引言

以云計算、大數據、人工智能、區塊鏈等為代表的新一代信息技術與實體經濟不斷融合，促進了數字經濟的快速發展。全方位數字化轉型，正重新塑造金融機構的核心競爭力，有力地促進了金融服務的創新化、金融產品的便利化，增加了金融服務的有效供給，推動了數字普惠金融的發展。數字普惠金融利用數字技術創新了投融資金融業務模式，有助于服務更多傳統金融機構難以覆蓋的長尾客戶，也有助于激發傳統金融機構的競爭和轉型升級意識，提升其服務效率與質量，創造更加包容的金融環境。黨的十九大指出，要堅持創新驅動發展，堅守為民初心、切實履行服務實體經濟使命，推進金融數字化高質量轉型，健全適應數字經濟發展的現代金融體系，為構建新發展格局、實現共同富裕貢獻金融力量。發展普惠金融的目標在于共同富裕，提升共同福祉。數字普惠金融對優化金融資源配置、實現我國共同富裕的目標、促進經濟協調發展具有重要作用。

近年來，我國持續深化金融供給側改革取得了階段性成效。但不可否認的是，中小企業由于抵押不足、信用較弱，難以有效地獲得傳統金融機構信貸支持，現階段中小企業融資難、融資貴的結構性問題仍然較為突出。新冠肺炎疫情爆發以來，中小企業的生存和發展更是雪上加霜，融資約束和資本結構調整成本壓力愈發嚴峻。2020年工信部調查顯示，中小企業占我國企業數量的90%以上，貢獻了50%以上的稅收、60%以上的GDP、70%以上的技術創新、80%以上的城鎮勞動就業，是我國經濟和社會發展的主力軍。因此，關注中小企業可持續運營、解決中小企業融資難題，對建設現代化經濟體系和推進經濟高質量發展具有重要的現實意義。

在國家推進共同富裕戰略的背景下，數字普惠金融的發展為中小企業可持續融資提供了新的發展契機。數字普惠金融通過數字技術賦能可緩解信息不對稱導致的資源配置效率低下，緩解傳統金融的時空局限性，提升金融服務的可獲得性，其是否有助于緩解中小企業的融資約束、促進中小企業資本結構優化是本文著重探討的內容。有鑒于此，本文選取2011—2020年我國深圳證券交易所中小企業板和創業板公司作為樣本，實證檢驗數字普惠金融的發展對中小企業資本結構動態優化的影響。

本文可能的邊際貢獻在于：第一，目前關于數字普惠金融對宏觀經濟方面影響的研究大多集中于經濟增長（張勛，2019）、居民消費（易行健和周利，2018；張勛等，2020）、大眾創業（謝絢麗等，2018）和對傳統金融的沖擊（邱晗等，2018；封思賢和郭仁靜，2019）等方面，而對微觀經濟方面的研究主要側重于緩解企業融資約束、促進創新（萬佳彧等，2020；唐松等，2020；喬彬等，2022）等相關理論和機制。本文從公司金融的角度引入資本結構理論，揭示數字普惠金融影響企業經營決策的機理，拓展了數字普惠金融經濟影響的研究。第二，現有關于資本結構調整影響因素方面的研究，主要從兩個視角展開，一是企業規模、財務狀況、發展能力、管理層特質、政治關聯等企業內部因素；二是法律環境、資本市場、政策導向、經濟形勢等外部環境因素。本文將金融環境納入企業資本結構動態調整的分析框架，補充了外生環境變量影響企業資本結構調整的研究。第三，本文從增強中小企業信貸可得性、緩解中小企業融資約束的研究視角評估數字普惠金融的實施效果，豐富了宏觀金融環境與微觀實體企業之間關系的研究，可為進一步完善金融供給側結構性改革、提高發展的平衡性、協調性和包容性提供政策啟示。

二、理論分析與研究假設

資本結構動態權衡理論認為，企業會設置一個最優資本結構目標（Flannery和Rangan，2006），通過合理安排負債和權益的結構來最小化資金成本，從而實現公司價值最大化?，F有研究表明，盡管我國約90%的公司都設定了目標杠桿率（姜付秀等，2008），但在實踐中企業的資本結構難以保持在最優狀態，原因在于資本結構調整存在成本，經營者會權衡資本結構調整的成本和收益來決定調整的幅度和速度。我國資本市場不完善、企業治理不高效等因素造成企業的融資渠道受阻，增加企業融資的機會成本，進而提高資本結構的可變調整成本（黃輝，2014）。而由于我國中小企業普遍存在硬信息欠缺、信用不足、風控能力較弱等現實問題（趙馳等，2012），金融機構會理性地減少對中小企業的融資安排，導致所謂的信貸歧視問題。中小企業面臨的融資約束和資本結構調整成本限制了其調整速度，長期來看阻礙了企業的價值創造和健康發展。

數字普惠金融的發展為緩解中小企業融資約束帶來了可行方案。普惠金融這一概念最早由聯合國于2005年正式提出，其核心要素在于擴大金融服務的覆蓋面，全方位地給予社會各階層群體獲得金融服務的權利。然而，普惠金融也面臨著難以平衡商業可持續性與社會性的發展困境（董玉峰和趙曉明，2017），數字技術的發展則促使科技賦能金融，提升了金融服務的范圍和效率，數字普惠金融應運而生。

首先，數字普惠金融的發展有助于緩解信息不對稱，降低資本市場摩擦。Myers和Majluf（1984）指出信息不對稱與資本市場摩擦程度正相關，導致企業承擔著更大的交易成本，是影響企業資本結構調整成本的重要因素。一方面，數字普惠金融能夠降低金融機構和企業之間的信息不對稱程度。金融機構借助數字技術進行信息搜集與處理，與傳統人工手段相比能夠提高信息篩選和風險甄別的準確性和及時性，從而減少獲取信息和交易的中間成本。例如，基于互聯網信息和數字技術的客戶征信體系能夠精準地繪制“企業畫像”，簡化繁瑣的線下審核流程，大幅縮短信貸審核時間，提高資質審查效率，減少了可能通過上調貸款利率而轉嫁給企業承擔的審查費用，由此降低了企業的風險管理和評估成本。另一方面，數字普惠金融也能夠緩解監管機構和投資者與企業之間的信息不對稱問題。數字技術結合金融的模式將企業的各種交易行為在網絡上保存為可查驗的記錄，利用互聯網上的“數字足跡”，金融監管部門能夠更有效地把控企業的金融活動，投資者也能夠更容易地參與對企業的監督，抑制企業利用隱形債務來操縱杠桿，倒逼企業向著更合理的目標調整自身資本結構。

其次，數字普惠金融的發展提升了金融服務的可觸達性，拓寬了中小企業的融資渠道。傳統金融由于嫌貧愛富的偏向，存在著隱形信貸歧視，更愿意將貸款投放給大型企業、國有企業，造成金融貸款經常出現一系列結構性錯配問題（唐松等，2020），導致部分更具發展潛能、更需要資金支持的企業或行業成為了金融服務排斥的對象。數字普惠金融依據商業可持續和機會平等原則，以相對友好、可承擔的成本提供信貸服務。金融機構的金融產品和服務不斷創新，創造了一系列新型融資模式，有助于降低傳統金融服務的門檻，增加在資本市場中處于劣勢地位的中小企業的信貸可得性。同時，數字普惠金融不以抵押物和清算制度來評估企業風險，對中小企業的融資支持具有包容性，利用數字技術手段更加擅長識別企業的經營能力，能更多地服務于傳統金融難以覆蓋到的“長尾客戶”。數字普惠金融如雨后春筍般的創新發展，能夠吸引廣泛的投資者和機構參與投資，從而給予中小企業與眾多投資者進行價格博弈的機會，降低融資約束，助力企業向目標資本結構加速調整。

最后，數字普惠金融的發展重塑了信貸市場競爭格局，改善了整體金融生態環境。在數字普惠金融的發展本身給中小企業帶來更多融資機會的同時，其對傳統金融環境的沖擊也不可忽視，已有研究表明，數字普惠金融發展的技術溢出效應促進了銀行業競爭（封思賢和郭仁靜，2019）。數字普惠金融的發展為企業提供了更多的融資渠道，其本身的信貸供給對上市企業的補充效應可能較為有限，而對于企業融資環境更重要的影響，可能是由于其引發了傳統金融市場的“鯰魚效應”（戰明華等，2018），即數字普惠金融打破了銀行交易的壟斷，擾動了傳統金融市場的生態環境，迫使傳統金融部門接受信息化時代的洗禮，提高其創新信貸技術和金融服務的積極性。因此，數字普惠金融的發展對傳統金融產生了擠出效應，借助自身信息網絡經濟的優勢不斷弱化傳統銀行的金融中介功能，改變銀行業的競爭格局。在這種新興競爭環境下，中小企業融資機會增加，融資約束降低，能夠獲得更多的余力和動力來優化自身資本結構?；谏鲜龇治?，本文提出假設1：

H1：數字普惠金融有利于加快中小企業的資本結構動態調整速度。

數字普惠金融的發展緩解了信息不對稱，一方面降低了企業與金融機構的交易成本，另一方面提升了信息透明度、緩解了代理問題。因此，從理論層面看，數字普惠金融的發展同時有助于中小企業進行債務融資和權益融資。但根據啄食順序理論，企業在融資時會優先考慮使用內部盈余資金流，在內源融資不足以滿足融資需求缺口時，才會進一步尋找外源融資。同時，相比于股權融資，企業更加偏好采取成本較低的債務融資，這是因為股權融資的非便利性，一是向創業股東融資有限，二是非創業股權融資審核嚴格，調整周期長，成本高昂，中小企業難以長期和深度依賴股權融資。目前銀行貸款仍然是我國中小企業融資的最主要渠道（Hale，2007），而現實中由于金融機構的客戶質量偏好和中小企業風險承擔能力較弱等因素，銀行等金融機構對中小企業的信貸投放非常有限，多數中小企業的融資結構中債務占比依然較低。數字普惠金融的發展給中小企業創造了更多元、更包容的債務融資環境，緩解了融資約束，使中小企業更加傾向于選擇債務融資的方式進行資本結構調整。因此，本文提出假設2：

H2：數字普惠金融主要通過增加中小企業債務融資的方式加快中小企業的資本結構調整速度。

三、研究設計

（一）樣本選取和數據來源

基于研究所需數據的可得性，參考工信部等四部門聯合發布的《中小企業劃型標準規定（2011）》對中小企業的界定，本文以A股中小板和創業板上市公司為研究對象，樣本期間為2011-2020年。在此基礎上，對樣本進行以下處理：①剔除金融保險行業樣本；②剔除ST、PT樣本；③剔除數據缺失樣本；④剔除僅有一年數據的樣本。經過上述處理，最終獲得5287個樣本數據。公司財務數據均來自Wind和CSMAR數據庫，數字普惠金融相關數據來自北大數字普惠金融研究中心。為控制極端值對回歸結果的影響，本文按慣例對所有連續變量進行了上下1%的縮尾處理。

（二）模型構建與變量說明

1.數字普惠金融與資本結構調整速度

標準的部分調整模型能夠較好地反映企業資本結構動態調整的基本原理。因此，本文借鑒Flannery和Rangan（2006）的做法，采用部分調整模型來描述資本結構動態調整的過程，標準的部分調整模型列示如下：

其中Controlsi,t-1為控制變量集合。參考黃繼承等（2014）、王朝陽等（2018）的研究，控制變量主要包括以下企業特征指標：盈利能力（EBIT）、成長性（Growth）、非負債稅盾（DEP）、企業規模（Size）、抵押能力（FA）、企業所在行業的資本結構（Lev_ind）、成立年限（Age）、產權性質（SOE）、流動性（Liquidity）。

將式（2）代入式（1），形成模型（3）：

另外，為檢驗數字普惠金融對企業資本結構調整速度的影響，本文參考Faulkender等（2012）的做法，在式（1）的基礎上加入數字普惠金融與資本結構偏離程度的交互項擴展為模型（4）：

其中Findexi,t表示數字普惠金融發展程度，選擇北大數字金融研究中心聯合螞蟻金服編制的地市級數字普惠金融指數作為度量。如果γ1顯著為正，則說明數字普惠金融發展程度越高，資本結構調整速度越快；如果γ1顯著為負，則說明數字普惠金融發展程度越高，資本結構調整速度越慢。由于企業資本結構在小于目標和大于目標時調整方向相反，調整動機和方式也存在差異（黃繼承等，2014），本文將對大于目標資本結構和小于目標資本結構兩種情況分別進行檢驗。另外，為盡可能避免遺漏變量造成的影響偏誤，本文利用雙向固定效應模型進行回歸分析，同時在公司層面上進行聚類分析。

2.數字普惠金融與資本結構調整方式

企業在權衡成本和收益進行資本結構調整時，有發行債務、發行股票、償還債務和回購股票幾種選擇?？紤]到中國上市公司大部分債務資金來自銀行借款、股票回購和公開發行債券并不普遍的實際情況（Hale，2007），本文參考黃繼承等（2014）的研究，以凈債務融資和凈權益融資兩種融資類型來考察上市公司資本結構的調整方式：當企業t期有息負債的增加額除以期初總資產大于等于5%時，凈債務融資方式取值為1，否則為0；當企業t期所有者權益增加額減凈利潤除以期初總資產大于等于5%時，凈權益融資方式取值為1，否則為0。具體模型如下：

本文所采用的變量定義見表1：

表1 變量定義

四、實證結果與分析

（一）描述性統計

表2展示了變量的描述性統計結果?？梢钥吹街行∑髽I上市公司的資本結構Lev的均值和中位數與上年相差不大，ΔLev的均值和中位數也接近于0，說明中小企業的資本結構變化總體上較為穩定。但ΔLev的最小值為-0.180，最大值為0.207，說明各個企業資本結構變動幅度存在較大差異。目標資本結構Lev*的均值和中位數與當前實際杠桿率相比存在差距，同時目標資本結構的均值和中位數都大于實際資本結構，表明中小企業實際資本結構偏離于目標資本結構，普遍存在杠桿不足的情況。產權性質SOE的均值為0.126，中位數為0，說明樣本企業中非國有企業居多。

表2 主要變量的描述性統計

（二）數字普惠金融與資本結構動態調整速度

表3列示了對數字普惠金融影響中小企業資本結構動態調整速度進行回歸分析的結果。在加入了數字普惠金融與資本結構差額的交互項后，第（4）列中全樣本組交互項（Findex×Dev）的系數為0.118且在1%顯著性水平下顯著，表明數字普惠金融的發展加快了中小企業資本結構動態優化的速度，初步證明了本文的假設H1。在進一步區分向上調整資本結構和向下調整資本結構的情況后，結果有所不同。在向上調整組中，交互項（Findex×Dev）的系數為0.121且在1%顯著性水平下顯著；向下調整組中交互項（Findex×Dev）系數為0.088，但統計上并不顯著。這說明了數字普惠金融對杠桿不足的中小企業有著更為顯著的影響。

表3 數字普惠金融與資本結構調整速度

（三）數字普惠金融與資本結構動態調整方式

從企業調整資本結構的方式來看，包括負債端的調整和權益端的調整。為進一步探討數字普惠金融影響企業向目標資本結構調整的方式，本文檢驗了數字普惠金融與資本結構動態調整方式的關系，回歸分析結果見表4。第（1）-（3）列檢驗了債務融資的調整路徑，在第（1）列全樣本組中，交互項（Findex×Deva）的系數為4.513且在1%顯著性水平下顯著，說明了數字普惠金融發展程度越高，企業越有可能通過債務融資的渠道來調整資本結構。區分向上調整和向下調整的情況進行分析后發現，只有在第（2）列向上調整組中交互項（Findex×Deva）的系數才顯著為正，即數字普惠金融的發展增加了企業債務融資的可得性，促使資本結構向上調整。第（4）-（6）列檢驗了權益融資的調整路徑，在第（4）列全樣本組中，交互項（Findex×Deva）的系數顯著為負，表明數字普惠金融的發展程度越高，企業通過權益融資調整資本結構的可能性越小，且區分調整方向均不顯著，因此本文的假設H2得到驗證。

表4 數字普惠金融與資本結構動態調整方式

（四）穩健性檢驗

1.替換變量

表5顯示了替換變量后的回歸結果，替換方式為：第（1）列的方程中將企業的有息負債率替換成資本負債率，第（2）列將地市級層面的數字普惠金融指數替換為省級層面指數，第（3）-（5）列采用了數字普惠金融指數細分的三個一級指標指數——覆蓋廣度（Breadth）、使用深度（Depth）和數字化程度（Digitization）來進行衡量，結果都顯示數字普惠金融指數與企業資本結構偏離程度的交互項系數在1%顯著性水平下顯著為正，表明數字普惠金融的發展有利于加快中小企業的資本結構調整速度，在替換變量后本文的核心結論并未發生改變。

表5 穩健性檢驗：替換負債率和數字普惠金融的衡量口徑

Breadth×Dev 0.104***（4.077）Depth×Dev 0.120***（4.893）Digitization×Dev 0.087***（5.296）Control 控制 控制 控制 控制 控制Firm/Year 控制 控制 控制 控制 控制N 5287 5287 5287 5287 5285 R2 0.287 0.234 0.232 0.234 0.235

2.更換模型

本文的主檢驗采用雙向固定效應模型進行回歸，為盡可能消除遺漏變量所導致的內生性偏誤，本文分別繼續控制年份與行業的聯合效應、年份與城市的聯合效應等高維固定效應進行檢驗，表6的列（1）-（3）顯示交互項均顯著為正，驗證了本文結論。另外，由于采用上述兩步法估計目標資本結構可能因為擬合程度不高導致調整速度的估算偏誤，且忽視了研究變量與資本結構影響因素之間的相互作用（黃輝，2010），本文參考龔樸和張兆芹（2014）的做法，設定調整速度是數字普惠金融指數的線性函數，然后聯立式（1）、（2）、（6），得到模型（7）再進行回歸，直接估算Findexi,t的參數δ1。

表6 穩健性檢驗：更換模型

利用模型（7）檢驗數字普惠金融對資本結構調整速度的影響參數δ1，即Findexi,t×Levi,t-1系數的相反數。當交互項（Findex×Levt-1）的系數顯著為負，則說明數字普惠金融的發展促進了企業加快資本結構調整速度，反之則說明數字普惠金融的發展降低了企業資本結構調整速度。表6第（4）列的結果顯示交互項（Findex×Levt-1）的系數顯著為負，驗證了本文結論。考慮到方程（7）的解釋變量中存在被解釋變量的滯后項，具有動態面板數據特征，為消除動態面板偏差，本文分別采用差分GMM和系統GMM模型進行重新估計，第（5）列和第（6）列的結果顯示交互項（Findex×Levt-1）高于10%的顯著性，再次證明了數字普惠金融加快中小企業資本結構動態調整的結論。同時，在兩個GMM模型中AR（2）和Hansen test的結果都拒絕了原假設，說明不存在誤差項二階序列相關和工具變量過度識別的情況，矩陣模型設置合理。

3.檢驗是否具有動態疊加效應

數字普惠金融的發展對企業資本結構調整決策改變的影響可能是一個長期持續的過程，因此本文還對數字普惠金融指數進行了滯后1-4期的處理。表7的結果顯示，分別將數字普惠金融指數滯后1-4期后交互項的系數均為正，同時至少在5%顯著性水平下顯著，表明數字普惠金融對加快企業資本結構調整速度的影響呈現出時間序列上的動態疊加特征，數字普惠金融的發展對企業資本結構動態調整速度具有長期的正向影響。

表7 穩健性檢驗：將數字普惠金融指數滯后1-4期

4.排除杠桿操縱和杠桿錯估的影響

我國企業出于粉飾杠桿、隱瞞財務風險、滿足融資和投資需求的動機可能存在杠桿操縱的行為，同時融資約束程度越高的企業可能存在的杠桿操縱程度越大（許曉芳等，2020）。由于杠桿操縱的可能性存在，前文所計算的賬面杠桿率可能并不是企業的真實杠桿率，導致所得的結論也可能存在偏差。因此，本文借鑒許曉芳等（2020）的做法，通過XLT-LEVM法將表外負債和明股實債的部分納入計算，得到盡可能真實的樣本企業杠桿率，再代入資本結構調整模型進行回歸分析。表8第（1）列報告的回歸結果顯示交互項的系數顯著為正，說明在修正杠桿率后仍可得出數字普惠金融加快了中小企業資本結構調整速度的結論。

另外，有研究指出，通常計算杠桿時會把“資本”和“資產”的概念混用，將金融性負債和經營性負債都納入杠桿的計算范疇（王貞潔等，2019）。金融性負債反映的是債權人和股東為了享受企業的財富價值創造而跟企業達成契約的投資關系，而經營性負債反映的則是企業和經營性負債供給者之間的日常業務關系，例如與供應商交易獲得的商業信用融資。如果將營業性負債對應的這種資產稱之為資本，那么就相當于把客戶、員工和供應商等利益相關者也當作了企業的投資者，這種泛化企業投資者的做法存在一定的問題。數字普惠金融發展的重要作用之一是增加了企業外部債務融資的可得性，企業在能夠獲得更多債務融資的情景下為了防范金融風險可能會減少商業信用融資。為排除杠桿錯估及商業信用融資對資本結構造成的影響，本文借鑒王貞潔等（2019）的做法重新計算了資本結構的分母項，在總資產的基礎上加回減值、跌價準備調整，減去營業性負債的部分，得到樣本企業排除杠桿錯估可能性后的杠桿率，代入模型進行回歸。表8第（2）列的結果顯示交互項的系數依然顯著為正，支持本文結論。

表8 穩健性檢驗：排除杠桿操縱和杠桿錯估的影響

5.工具變量法

雖然數字普惠金融發展水平是宏觀變量，受企業內部資本結構決策的影響較小，但為盡可能地控制遺漏變量和測量偏差的影響，本文采用工具變量法進一步排除內生性問題?？紤]到互聯網普及率反映了當地發展數字普惠金融的基礎設施條件，與數字普惠金融發展水平緊密相關，但并不直接影響企業的資本結構調整，因此本文借鑒謝絢麗等（2018）的做法，采用互聯網普及率作為數字普惠金融指數的工具變量。回歸分析結果如表9所示，在總樣本中，第一階段IV的回歸系數為0.146且在1%顯著性水平下顯著，表明互聯網普及率越高，數字普惠金融發展水平越高。第二階段回歸結果中，交互項（Findex×Dev）顯著為正，驗證了前文結論。同時，C-D Wald檢驗以及K-P rk Wald檢驗得到的F統計量分別為381.969和111.865，均遠大于10，表明不存在弱工具變量的問題。另外，在區分資本結構調整方向后，所得結論依然與前文一致。

表9 工具變量法：互聯網普及率

五、進一步研究

（一）機制檢驗

數字普惠金融的發展促使中小企業更傾向于利用增加債務的方式加快自身資本結構調整速度，為進一步打開數字普惠金融加快中小企業資本結構調整速度的機制黑箱，本文首先檢驗了數字普惠金融是否通過提升債務融資的觸達性緩解企業的融資約束，接著從債務融資成本和債務融資期限結構兩個角度進行分析。具體如模型（8）所示：

其中：Mi,t表示機制變量，采用KZ指數來度量融資約束；債務融資成本（Cost）根據利息支出/長短期借款總額均值計算得到；債務融資期限結構（SFLI）采用短貸長投的代理變量。根據表10所示的回歸結果，數字普惠金融顯著緩解了企業的融資約束，降低了債務融資成本，減少了企業短貸長投的行為。另外，將數字普惠金融指數滯后一期進行分析后發現，上述結論依然成立。數字普惠金融緩解了信息不對稱程度，減少了企業信息搜尋和交易的中間成本，降低了企業的風險評估成本等隱性成本，通過加強信貸市場競爭的方式提升了企業的議價能力，這些都有利于降低企業債務融資成本，促進企業能夠更加靈活地運用債務融資工具調整資本結構；同時，數字普惠金融增加了企業長期債務的可得性，減少了企業短貸長投的行為，從而降低企業的經營風險，增加企業財務柔性，有利于促進企業擺脫財務困境，進行資本結構優化。

表10 機制檢驗：融資約束、債務融資成本和債務融資結構

（二）異質性檢驗

為驗證不同企業內部特征和外部環境的中小企業在數字普惠金融影響下資本結構調整速度的差異性，本文將企業金融錯配程度（FM）、高管金融背景異質性（Finback）、地區傳統金融發展程度（FDI）和金融監管程度（Supervision）所對應的指標納入交互項進行異質性分析。

1.不同內部特征中小企業資本結構調整速度異質性分析

資源配置理論指出，只有金融資源流向效率最高的部門時才能達到帕累托最優的狀態，才能最大化金融服務的效率和質量。如前文所述，我國傳統金融存在屬性錯配、領域錯配和階段錯配等結構性金融資源配置問題，金融資源配置效率低下嚴重影響了金融支持實體經濟的效果。而數字普惠金融則以其技術優越性和普惠性特征提高了資源的配置效率，矯正了傳統金融市場焦點偏離的問題。本文參考邵挺（2010）的研究，根據公式（企業資本成本-行業平均資金成本）/行業平均資本成本，計算得到金融錯配程度（FM）指標。表11第（1）列顯示，交互項（Findex×Dev×FM）的系數為0.006且在5%顯著性水平下顯著，說明數字普惠金融對金融錯配程度更高的企業的資本結構調整速度影響更大。

數字普惠金融能否切實服務實體經濟關鍵還在于巧妙發揮人力資本的橋梁紐帶作用。高階梯隊理論指出，企業高管是有限理性的，其年齡、性別、職業經歷、財務狀況和受教育程度等特征會影響其認知水平和行為方式，進而影響企業的戰略選擇（Hambrick和Mason，1984）。企業在權衡收益與成本對資本結構進行調整時需要依靠專業的戰略和財務決策，具有金融背景的高管可以借助他們的專業知識進行更加精準的判斷，并且充分利用從業過程中積累的社會資源，更加高效地獲得金融資源來緩解企業的融資約束。同時，具有金融背景的高管擁有對金融行業較高的行業敏銳度，能夠及時地掌握行業前沿動態，進而更為積極地利用數字普惠金融助力企業戰略部署和發展，因此有金融背景高管的企業資本結構調整速度可能更快。表11第（2）列的結果顯示，加入是否具有金融背景高管變量的交互項（Findex×Dev×Finback）顯著為正，證實了上述觀點。

表11 異質性檢驗

2.不同外部環境中小企業資本結構調整速度異質性分析

數字普惠金融的興起拓寬了金融服務的外延，改變了傳統金融的競爭格局。而也有研究表明數字普惠金融的發展依賴于傳統金融的條件和基礎（姚耀軍和施丹燕，2017），傳統金融能夠為數字普惠金融的發展提供資金支持、金融知識支持和基礎設施支持等，在傳統金融發展越充分的地區，數字普惠金融發展越迅速。有鑒于此，本文推測在傳統金融發展較充分的地區，數字普惠金融對中小企業資本結構調整速度的影響更大。本文選取金融機構存貸款余額/GDP作為衡量地區的傳統金融發展程度的指標。表11第（3）列結果顯示交互項（Findex×Dev×FDI）的系數顯著為正，說明傳統金融發展程度更高，中小企業資本結構的調整速度更快。

數字普惠金融發展帶來金融公平和效率的同時，也可能會造成金融安全問題。有研究表明，數字普惠金融在緩解傳統金融行業的痛點和堵點的同時，也會導致金融詐騙、APT攻擊、數據泄露等安全風險問題（唐松等，2020），這就對金融監管提出了更高的要求，只有加強防范守住金融風險底線，才能更好地實現金融服務實體的目標。本文選取地區金融監管支出/金融業增加值來衡量地區的金融監管程度，表11第（4）列的回歸結果顯示交互項（Findex×Dev×Supervision）的系數顯著為正，說明在金融監管程度較高的地區，數字普惠金融對中小企業資本結構調整的治理作用更強。

六、研究結論和政策啟示

數字普惠金融的蓬勃發展加強了我國金融發展稟賦，減少了金融排斥，對推進金融供給側改革乃至中國經濟高質量發展都產生了不容小覷的影響。本文選擇2011-2020年深交所中小板和創業板企業為研究樣本，探討了數字普惠金融對中小企業資本結構調整的影響。主要結論如下：第一，數字普惠金融的發展加快了中小企業資本結構調整速度，尤其是對杠桿不足的企業有著更為重要的影響。第二，數字普惠金融的發展主要通過增加中小企業債務融資的方式來促進資本結構的優化。第三，機制檢驗表明，數字普惠金融通過緩解融資約束、降低債務融資成本和減少短貸長投行為促進了企業資本結構調整。第四，異質性檢驗表明，從企業內部特征來看，數字普惠金融對金融錯配程度較高的企業、有金融背景高管的企業資本結構調整速度影響更大；從外部金融環境來看，在傳統金融發展程度較高的地區和金融監管較強的地區，數字普惠金融對中小企業的資本結構調整速度影響更大。

本研究具有以下政策啟示：第一，穩步推進數字普惠金融高質量發展，兼顧金融服務的質效和公平性，助力中小企業發展。緊跟科技發展潮流，積極推動云計算、大數據、區塊鏈等高端前沿技術的發展，鼓勵信息技術和金融市場深度融合，加快金融機構數字化轉型。全面加強數據能力建設，拓展數字技術金融應用，搭建多元融通的服務渠道，支持中小企業發展，打破金融市場的“靶向偏離”，提高發展的平衡性。第二，繼續完善傳統金融體系，推進傳統金融結構性改革和技術性改革，為發展數字普惠金融打下堅實基礎，構建傳統金融與數字普惠金融相互促進的發展生態。第三，加強數字普惠金融人才培養，增強企業數字化轉型的核心能力，高校開設金融與科技深度融合的課程，企業在供應鏈金融、數字化運營等多方金融場景完善人才培養機制，政府出臺相應的人才保障機制。第四，強化數字普惠金融審慎監管，完善金融監管框架，借助數字技術建立智能化風控機制，筑牢數字普惠金融的風險防火墻，增強金融監管薄弱地區的風險控制能力。