數字金融對企業融資行為的影響效應及作用機制

摘?? 要：數字金融作為一種新型金融模式，對企業行為具有重要影響。建立三維指標體系測算地區數字金融指數，以2011—2022年上市公司數據為樣本，實證考察數字金融對企業融資行為的影響及其內在機制。研究發現，數字金融對企業的融資行為具有顯著的優化作用，具體表現為融資額的增加、債權融資占比的擴大及融資效率的提高。特別地，數字金融對企業融資行為的影響具有明顯的區域異質性和企業異質性。機制分析表明，數字金融發展能夠通過信息效應、成本效應和收益效應從供需兩方面優化企業的融資行為。為了更好地發揮數字金融對企業融資行為的優化作用，應制定和完善信息技術與金融深度融合的支持性政策，加快傳統金融機構數字化進程，積極助力欠發達地區和潛力企業的發展。

關鍵詞：數字金融；融資行為；債權融資

中圖分類號：F832?? 文獻標識碼：A?? 文章編號：1003-7543（2023）09-0034-19

融資結構對企業經營活動的影響巨大，適度的負債率能夠控制資產價格，擴大市場規模，加速企業的創新步伐［1］，而高負債率會給企業帶來巨大的財務壓力，不利于企業的長期運營［2］，還會提高金融壓力和市場利率，甚至可能引發金融危機［3］。同時，大量研究表明，一國金融系統的發達程度對企業融資行為選擇起到關鍵作用［4］。我國的金融體系尚不成熟，要素市場改革相對滯后，金融資源并未得到有效配置，一些盈利水平較低甚至為負的僵尸企業能夠得到商業銀行持續性的資金支持［5］，而眾多具有成長潛能的小微企業普遍面臨融資難、融資貴的難題，企業的融資行為有待進一步優化。

當前，受益于人工智能、區塊鏈、云計算等技術的蓬勃發展，金融與數字技術不斷融合，為數字金融創造了良好的發展環境，我國數字金融發展水平現已位居世界前列［5］。作為互聯網技術與金融業務有機結合的新型金融模式［6］，數字金融能夠有效降低金融服務的交易成本，拓寬金融服務的觸達能力，重塑金融體系格局。數字金融的發展能否改善現有金融體系的不足，進而優化企業的融資行為，是一個值得研究的現實問題。

學者們從不同角度探討了數字金融對實體企業經營發展的影響。例如，唐松、伍旭川、祝佳認為，數字金融對企業技術創新存在“結構性”的驅動效果，在金融發展稟賦較差的地區，數字金融對企業的作用效果更強［7］；汪亞楠等指出，數字金融的政策性、靶向性和廣覆蓋性特征使其能夠顯著提振我國實體經濟，改善我國實體經濟融資難、融資貴的困境［8］；趙宸宇等發現，數字金融內嵌的數字技術能夠通過提高創新能力、優化人力資本結構、推進先進制造業和現代服務業融合發展、降低成本等方式提高企業的全要素生產率［9］。

已有研究對數字金融如何影響企業融資行為的問題關注不多，一些學者基于數字金融的普惠特性考察了數字金融對融資約束的影響［10-12］，個別學者從融資效率［13］、債權融資［14］、融資模式［15］等角度對企業融資行為作了初步探討?？傮w而言，現有文獻對數字金融影響企業融資行為的研究還存在不少問題，主要體現在：一方面，對數字金融的度量存在一定不足，廣泛使用的北京大學數字普惠金融指數并未包含銀行數字化的相關指標，無法全面反映企業的融資行為；另一方面，關于數字金融對企業融資行為的影響方向尚未達成一致，例如，林愛杰等認為，數字金融能夠降低企業杠桿率，優化企業的債務期限結構，對短期杠桿率的影響效果更強［16］，而周澤炯和王國慶則指出，數字金融為中小企業提供了更加普及和平等的服務，有助于增強企業的融資能力［17］。因此，有關數字金融對企業融資行為的影響方向及效率高低，仍有待更深層次的探討。

本文構建理論模型，基于增強信息流動、緩解融資約束和提高主營業務收益三個視角，從理論上考察數字金融發展對企業融資行為的影響。在此基礎上，構建數字金融三維測度指標體系，測算全國城市層面的數字金融指數（Digital Financial Index，DFI），并以2011—2022年上市公司數據為樣本，結合地區經濟指標數據，從實證層面考察數字金融對企業融資行為的影響效應及作用機制。

一、理論分析與研究假設

理論上，數字金融能夠通過如下三個渠道影響企業的融資行為：

第一，優化傳統金融機構所處的信息環境，即信息效應。數字金融融合了大數據、云計算技術，對非結構化、非標準化的海量信息進行歸集、分析、解析［7］，能夠有效解決銀企間及企業與投資者間的信息不對稱問題。同時，借助大科技風控等數字技術，傳統金融體系加快了企業與外部融資機構的信息互換，這有助于提高傳統金融機構信息獲取和信息處理的能力，繼而減輕傳統金融機構對抵押品的依賴［18］。

第二，緩解企業的融資約束，即成本效應。一方面，數字金融通過擴充金融產品、拓寬服務范圍及由此產生的規模效應，提高金融服務的可觸達性，覆蓋很多傳統金融無法涉及的地區和群體，可為企業提供更多的融資選擇［19］，增強資金供應的穩定性；另一方面，傳統金融機構能夠憑借移動互聯網技術快速觸達指定用戶，并借助云計算、大數據、區塊鏈等數字技術，將借貸業務自動化，降低相應的交易成本，提高借貸業務的服務效率［20］。數字金融對信息不對稱的改善作用也能幫助傳統金融機構降低相關的審核費用，進而降低企業的融資成本。

第三，增強主營業務收益，即收益效應。數字金融中數字技術的發展和普及能夠通過提高企業生產經營能力的方式增加主營業務收益。具體而言，其一是增強了企業對運營管理各個環節的洞察能力，能夠更好地優化企業的運營系統，提高運營效率［21］；其二是為企業創造消費者價值、重組組織架構及業務流程、重塑供應鏈關系等方面提供了機遇［22］，新的商業模式會促使原有的實物生產要素發揮更大作用；其三是提高了企業間信息透明度，有助于企業更加精準地選擇投資項目，為日后轉型升級奠定基礎。由此，企業會有更大的動力和能力尋求更廣闊的發展空間，創造更大收益。

為將上述討論模型化，本文基于Christiano 等［23］的理論模型框架，試圖構建一個包含數字金融與企業融資行為的理論模型。企業采用常替代彈性生產技術進行生產，對應的生產函數為：

其中，Ai＞0，δi>0，αi∈（0，1），Yi、Ai、K1i和Li分別表示企業i的產出、全要素生產率、資本投入和勞動投入，αi為資本投入比例，δi為資本與勞動的代替效應，Dρ1為數字金融對資本投入的影響效果。數字金融對企業主營業務收益增強的一個重要原因，就在于其蘊含的數字技術會提高企業的生產能力，有助于增強資本投入對生產的實際效力，因而ρ1>1。此時，企業利潤π1i為收入與成本的價值差，可表示為：

其中，Pi為企業售出產品的價格；ICi為企業的生產成本；cit為企業所得稅率；piv為企業購置設備的價格；Ii為企業的投資額；μ＞0，為固定調整成本系數；θ為凸性調整成本系數。此外，部分企業還會進行金融投資，非主營業務投資利潤π2i同理可寫為收入與成本的價值差：

其中，Fi為非主營業務投資的單位收益，K2i為非主營業務投資的資本投入，Dρ2為數字金融對非主營業務投資的影響效果。數字金融能夠有效提高企業的主營業務收益，這有助于削弱企業的非主營業務的投資意愿，因此ρ2＜0。假設在企業初始狀態時擁有1單位自有資金，其余資金均需要借貸，因而企業經營的總利潤滿足：

其中，Bi為企業的融資總額，包括股權融資和債權融資兩個部分；vat為企業增值稅率；ωi為員工平均工資；β為全部融資資金中股權融資所占的比例；Ci為企業股權融資所需要的成本；Ri為企業所承擔的貸款利率。Dρ3、Dρ4分別表示數字金融對企業融資成本和融資環境的影響效果，數字金融能夠通過增加信息透明度、降低交易成本的方式顯著改善我國的金融體系［7］，因而ρ3和ρ4均小于0。

針對上述模型求解，企業利潤最大化的均衡條件為：

（一）數字金融對企業融資規模的影響

通過對均衡條件的微分可得：

其中，θ1、θ2為微分后的復雜系數。由此可見，數字金融能夠增加企業的融資規模，增加程度取決于信息效應、收益效應和成本效應的作用大小。由于信貸歧視及信息不對稱，傳統金融機構往往很難通過企業數據進行信用評估，國有企業憑借政府背書更受金融機構青睞，其余企業的龐大金融需求難以得到有效滿足。數字金融的發展可以幫助傳統金融機構和投資者篩選出合適的、具有長期發展空間的項目，為具備投資潛力的企業提供資金，有效增加優質企業的融資規模。同時，數字金融對主營業務收益的作用增加了管理者對企業未來發展的信心，有助于增強企業實物投資意愿，進而提高融資需求。數字金融對融資約束的緩解作用有助于更好地滿足企業因自身發展需要而增加的融資需求?；诖?，本文提出如下假設：

H1：數字金融的發展能夠增加企業的融資規模。

（二）數字金融對企業融資結構的影響

同理，通過對均衡條件的微分可得：

由此可見，數字金融的發展能夠增加企業的債權融資比例。優序融資理論認為，管理者與投資者間的信息不對稱會使公司按照以下順序融資：留存收益、債務融資、權益融資。以商業銀行為代表的債權人往往更看重企業的現有資產而不是未來前景，并需要企業提供穩定的用來還本付息的現金流，而股權融資的投資人更關注公司的發展潛力，對企業的現有資產要求較低［24］。也就是說，相較于股權融資，債權融資獲取資金的難度更大。在這種情況下，公司管理者選擇股權融資可能并非自主意愿，而是形勢所迫。數字金融中的數字技術能夠提高銀行對企業還貸能力的評估效率，減少其對企業現有資產的要求，降低債權融資的難度。這會增強企業的債權融資意愿，從而增加債權融資比例?；诖?，本文提出如下假設：

H2：數字金融的發展能夠增加企業的債權融資比例，調整融資結構。

（三）數字金融對企業融資效率的影響

通過對均衡條件的微分可得：

由此可見，數字金融的發展能夠減少企業進行非主營業務投資的負債比例，此時企業的資金配置更為合理，融資效率也會有所提高。數字金融對信息不對稱的緩解作用減輕了金融產品進入市場的障礙，沖擊了傳統金融機構的現有地位［25］。新型金融產品會與傳統金融機構共同爭奪現存的市場份額，從而降低傳統金融機構的預期收益。這種情形迫使傳統金融機構增加對融資項目的篩選力度，試圖通過降低不良貸款率的方式彌補流失的收益，有助于提高企業的融資效率。同時，數字金融對融資約束的緩解作用能夠減輕企業的借貸壓力，促使企業更專注于捕捉投資機會，調節實際資本結構和目標資本結構的匹配程度，提高資金使用效率?；诖耍疚奶岢鋈缦录僭O：

H3：數字金融能夠通過提高企業的融資效率，優化企業的融資行為。

二、實證研究設計

（一）實證模型

上述討論表明，數字金融能夠通過優化傳統金融機構的融資環境（信息效應）、緩解企業的融資約束（成本效應）和增強主營業務的收益（收益效應）的方式增加企業的融資規模、調整融資結構、提升融資效率。為此，本文構建如下基本模型：

其中，yit表示企業融資行為，從融資水平、融資結構及融資效率三個角度衡量。DFIit表示i企業的注冊地所在地區在t年的數字金融指數。Xit代表控制變量，參考Guo等［26］的研究，分為企業層面和地區層面兩類。其中，企業層面的控制變量選擇速動比率（quickit）、托賓Q對數值（lnQit）、企業年齡對數值（lnageit）、總資產凈利潤率（roait）、現金敏感度（cashit），以分離企業的流動性、企業成長性、企業生命周期、企業盈利能力對企業融資行為的影響；地區層面的控制變量選取人均GDP（對數）（lngdpit）、城市人口占總人口比重（popit）、第一產業的GDP份額（gdp1it）、第二產業的GDP份額（gdp2it）、公共財政支出占GDP比例（feit）、M2增長率（MP1t）、M2增長率減去GDP增長率再減去CPI增長率的差額（MP2t）、外商投資占GDP比例（fdiit）、社會消費品零售總額增速（valit）、各行業企業景氣指數（bciit），以剔除地區經濟發展水平、城鎮化水平、政府政策、市場條件對企業融資行為的影響。εit為隨機誤差項；t表示年份固定效應；φi表示企業固定效應，控制不隨時間變化的企業層面的遺漏變量，以減輕對估計結果的影響。

（二）數字金融指數測算

1.指標設計

數字金融泛指傳統金融機構與互聯網公司利用數字技術實現融資、支付、投資和其他新型金融業務的模式［27］，主要可分為兩部分：一部分為傳統金融行業的數字化過程，如電子銀行、手機銀行等；另一部分為新型金融公司創立的金融平臺，如支付寶等。對于數字金融的刻畫，現有文獻多采用北京大學數字普惠金融指數，該指數由北京大學金融研究中心和螞蟻金服集團共同編制，旨在反映我國省級與城市級的數字金融發展程度［27］。但該指數主要依據的是螞蟻金服數據，側重于通過消費者行為反映數字金融發展，對金融機構和企業行為反映不足。為此，本文基于數字金融的發展脈絡及主要業態，并考慮數據的可得性，構建三維指標體系（見表1），從數字金融基礎、數字銀行業務、新型金融服務三個維度出發，測算城市層面的數字金融指數（DFIit）。

（1）數字金融基礎。該維度雖然不屬于金融服務，卻是數字金融的發展基礎，決定了數字金融的發展上限。數字金融對企業的滲透程度主要取決于兩個方面：一是基礎設施的建設情況。數字金融依托于互聯網技術，因而地區通信設施的建設情況與數字金融的發展程度密切相關；二是企業本身的數字化意識，即企業對數字化服務的重視和應用程度。數字金融想要更好地服務實體經濟，必須讓企業意識到數字化服務的益處，方能有效激發企業應用數字金融的熱情。具體而言，對于基礎設施的建設情況，使用互聯網普及率及光纜密度進行衡量；對于企業自身的數字化意識，選用有電子商務交易活動企業比重、企業擁有的計算機數量來衡量。

（2）數字銀行業務。該維度主要衡量傳統金融機構通過數字技術提供的離柜金融服務，如手機銀行、網上銀行等。數字銀行憑借降低運營成本、提升經營效率及便捷操作的優勢能夠更好地服務于實體經濟，隨時隨地滿足實體企業的金融需求。數字銀行的發展離不開相關資源的投入，因而傳統金融機構的數字化投入水平也應納入其中。具體而言，使用金融行業數字化投入占比衡量銀行業的數字化投入；使用手機銀行交易規模、網上銀行交易規模來衡量數字銀行的發展規模。

（3）新型金融業務。該維度是指由新型金融公司提供的在線金融服務。余額寶帶動了互聯網理財業務的迅猛發展，與之相關的網絡保險業務、三方支付業務、P2P網貸業務也為大眾帶來了更便捷的金融服務?？紤]到城市級的互聯網理財數據獲取較為困難，而北京大學數字普惠金融使用深度分指數包含支付業務、貨幣基金業務、信貸業務、保險業務、投資業務和信用業務，因而本文選定該指標作為代表指標。此外，本文選擇非金融機構支付服務企業單位數、金融信息服務企業單位數來衡量新型業務中的三方支付業務和金融中介業務。

2.測算方法

參考Sarma［28］使用的方法，按照下述步驟構建數字金融指數：

第一步，確定構建指標。基于數字金融的發展規律，選擇上述初始指標。

第三步，確定權重。依次用層次分析法、Cov-AHP方法、因子分析法、主成分分析法和變異系數法等對數字金融指標的相關權重進行測算，通過綜合比較，本文選用多數學者采用的主成分分析法進行權重測定。第j個主成分的權重表示為：

其中，CVj表示第j維合成指標的各自載荷，n為選取的主成分個數。

第四步，合成數字金融指數。本文以累積載荷85%作為標準，用計算的權重合成數字金融指數，再按照同樣的方法合成數字金融分指數，具體如下：

由此合成數字金融指數（DFIit）。為驗證數字金融指數的穩健性，本文選取北京大學數字普惠金融指數、第三方互聯網支付市場規模、第三方移動支付業務規模、余額寶規模這四個常用的數字金融代理變量進行比較。結果表明，基于不同模型建立的數字金融指數，在1%的顯著性水平上均呈正相關關系。本文構建的數字金融指數雖表現出一定的不同變動特征，但與四個對比指標的相關系數均大于0.9，表明該指數具有穩健性。

（三）企業融資行為表征

融資行為可視為當企業內部資金無法滿足其生產經營所需時通過一定的渠道和方式借貸外來資金的行為。融資行為是一個動態過程，包含企業從決定融資到融資結束的全部過程，除最終的借貸結果外，借貸原因、借貸方式等也應包含其中。在現有文獻中，大部分學者選擇采用單一指標來衡量企業融資行為，無法反映企業融資行為的全部過程。參考以往文獻，本文從融資水平、融資結構和融資效率三個角度刻畫企業融資行為，三方面分別表征企業融資行為的不同維度特征，彼此存在一定關聯。具體說明如下：

1.企業融資水平

企業融資水平反映企業管理者對融資行為的主觀情緒，也能從側面反映企業管理者的運營模式，是刻畫企業融資行為的一個重要指標。大部分學者選擇采用企業融資的當年增加值指標來衡量企業融資水平，但這一指標只能反映當期企業的融資規模，無法反映不同年份之間企業融資規模的動態變化。因此，在企業融資增量指標之外，本文還納入企業融資增速指標來共同反映企業的融資水平。具體而言，企業融資（financeit）表示企業當年融資額，為股權融資和債權融資的加總，用資產總額進行標準化。參考Mclean & Zhao［29］的方法，股權融資用股東權益與留存收益差值的當年增加值表示，債權融資用流動負債與非流動負債的當年增加值表示。融資增速（ratioit）用企業當年與上年融資額的變化值與上年企業融資額的比值表示。

2.企業融資結構

企業融資結構反映企業在不同融資類型之間的偏好。融資水平是一個整體概念，只能反映企業的整體融資需求，無法展示企業內部各類融資間的變化。因此，本文選擇債權融資占融資總額的比例（debtit）這一指標來衡量企業的融資結構。

3.企業融資效率

企業融資效率反映企業運用資本的能力。參考高春梅［30］的研究，本文使用投資回報率與資本成本率的比值來度量企業的融資效率（effit）。其中，投資回報率用總資產收益率表示；資本成本率用加權平均資本成本率度量，加權平均資本成本率的計算公式為：（財務費用/總負債）×（債務資本/總資本）×（1-所得稅）+權益資本成本率×（權益資本/總資本）。權益資本成本采用PEG模型獲得，具體公式如下：

其中，rcost表示權益資本成本率；epst2、epst1分別為分析師在t2、t1期預測的每股收益；P0為t0期的每股收盤價。相較于高春梅［30］的研究，本文測算結果略小，可能與樣本選擇差異有關。

（三）數據來源

本文以2011—2022年滬深兩市上市A股公司為樣本，根據公司注冊地所在城市與數字金融發展指數進行匹配。樣本作如下處理：剔除金融行業公司樣本；剔除經營狀況異常（ST）的公司；剔除缺失數據；對連續變量在1%～99%的水平上作縮尾處理，共涵蓋27 083個觀測值。數字金融相關數據來源于《城市統計年鑒》、各省份投入產出表、國泰安數據庫等。對于部分只存在省份數據的指標，本文依據各城市的互聯網普及率水平進行近似，數字普惠金融指數使用深度分指數來自北京大學的數字普惠金融指數。變量描述性統計見表2（下頁），少數城市第一產業的GDP占比較低，近似為0。

三、實證結果分析

（一）初步分析

如圖1（下頁）所示，我國數字金融綜合發展指數呈現先邊際遞增后邊際遞減的趨勢，與北京大學數字普惠金融指數的變化趨勢相似。2013年以前我國數字金融的發展相對遲緩，2013—2017年數字金融的發展進入加速期，2018年后數字金融的發展速度再次變慢。數字金融各個分指標的逐年增長趨勢與總指標趨同。從橫向上看，2017年以前新型金融服務指數居末；2018年以后新型金融服務指數居首，數字銀行業務指數次之。

如圖2所示，整體而言，考察期內我國企業的融資增加額整體呈現波動下降趨勢，2016—2019年出現大幅下降，可能與2015年12月中央提出的“三去一降一補”五大任務有關。從融資結構來看，企業以債權融資為主，債權融資比例波動較小，呈現小幅增長趨勢。企業融資效率穩中有升，2019年后穩定在0.09左右。

進一步，本文以2020年數字金融指數的中位數為界劃分數字金融高發展地區和低發展地區，分別計算兩類地區企業融資行為指標的均值，結果如表3所示。相較于數字金融低發展地區，數字金融高發展地區的融資規模和融資效率相對更高，負債融資占比相對更低。

（二）基準回歸結果

基準回歸結果如表4所示。需要說明的是，考慮到樣本數據為非平衡面板數據，本文對樣本進行了遺失數據的相關性檢驗，結果發現樣本遺失是隨機的，不會影響回歸估計結果。融資水平方面，當被解釋變量為企業融資（financeit）時，DFIit的回歸系數顯著為正；當被解釋變量為融資增速（ratioit）時，DFIit系數不顯著。融資增速能夠反映企業融資規模的動態變化，由表4可見，數字金融的發展增加了企業的融資規模，但這種擴大作用不具備階梯性增長態勢，因而假說1的觀點成立。

融資結構方面，當被解釋變量為債權融資比例（debtit）時，DFIit的回歸系數顯著為正。從經濟意義上看，DFIit每增加一個單位，debtit將增加約0.7個百分點?？梢?，數字金融對企業融資的影響更多體現在債權融資上，假說2的觀點成立。

融資效率方面，當被解釋變量為融資效率（effit）時，DFIit的回歸系數顯著為正，驗證了假說3的觀點。數字金融對企業融資效率的提高作用可從供給和需求兩方面進行解釋：一方面，數字金融的溢出效應增強了傳統金融機構的貸款審核能力，這有助于傳統金融機構辨識具有發展潛力的項目，提高金融要素分配的效率，從供給角度阻斷低效率融資的發生；另一方面，數字金融對傳統金融機構的競爭效應加速了其數字化進程，數字化交易降低了企業的借貸成本，減輕了企業的還款壓力，有助于企業更專注長期發展，從需求角度提高企業資金的使用效率。

其他控制變量的系數也基本符合預期，具體而言，速動比率高的企業所面臨的成本更高，企業的債權融資意愿不強；利潤高的企業融資需求更為旺盛；城鎮化水平高的地區，當地企業的融資活動會更為密集。

（三）穩健性分析

基于穩健性的考慮，本文從四方面進行穩健性檢驗。

1.替換解釋變量

本文在基準模型中使用主成分分析法合成10個指標，測算得到數字金融指數（DFIit）。下文采用信息熵權法和因子分析法重新測算數字金融指數，分別定義為DFI1it、DFI2it，將其與基準模型的其他變量進行回歸。如表5所示，回歸結果與基準模型結果差異不大，說明數字金融優化企業融資行為的這一結論仍然成立。

2.替換回歸模型形式

本文在基準模型中使用包含時間和企業的固定效應模型，對內生性的控制不夠嚴格，可能會影響回歸結果。因此，本文在原有模型的基礎上增加“行業*時間”的聯合固定效應模型，驗證結果的穩健性，結果如表6所示。結果表明，數字金融能夠顯著增加企業的融資額，對債權融資的影響效果更大，與原有結論保持一致。

3.切割樣本

對于內生性問題，一般研究多采用準實驗的方法進行處理，但由于數字金融是一個持續性的過程，很難找到一個合適的外部沖擊，因而本文采用樣本切分的方法緩解內生性帶來的問題，進行穩健性檢驗。考慮到直轄市樣本具有特殊性，與其他城市存在差異，可能會影響到數字金融對融資行為的回歸結果。對此，本文剔除直轄市樣本，重新進行回歸，結果如表7所示。結果表明，數字金融對企業融資額、融資效率均具有正向作用，對債權融資的影響大于股權融資，基準模型結果具有穩健性。

4.工具變量檢驗

數字金融與企業融資行為之間可能存在反向因果關系，企業融資行為的改變可能會推動傳統金融機構的數字化進程，進而影響數字金融的發展。雖然Hausman檢驗并未顯示基準回歸模型結果具有內生性，但主要研究變量在邏輯上存在反向因果的可能。為此，參考張勛等［31］的方法，選取企業注冊地與省會城市的球面距離作為工具變量，數據根據地理信息系統（GIS）計算而得。由于該工具變量與數字金融具有顯著的相關性，省會城市是一個省份的政治經濟中心，基礎設施相對完善，便于數字金融的普及和發展，因而距離省會城市近的地區，數字金融一般發展得更好。此外，本文選取地區層面及企業層面的相關指標作為控制變量，以求切斷選取工具變量與企業融資行為之間可能的聯系，保證選取工具變量的外生性。但距離變量是一個常值，不具有時間變化效應，無法直接作為工具變量，因而本文使用當年數字金融發展平均值（除本地區外）與該類距離型工具變量分別進行交互，作為新的工具變量。

由表8（下頁）可見，列（1）為使用工具變量的第一階段的回歸結果，可以看出，工具變量的系數顯著為負，說明所在地區與省會城市的距離越近，數字金融越發達，驗證了此前的分析。列（2）—（5）為采用工具變量的第二階段回歸結果，第一階段回歸的F統計量大于10，表明工具變量滿足相關性特征。從估計結果來看，數字金融對企業融資行為的優化效應依然顯著。

（四）異質性分析

在證實數字金融有助于改善企業融資行為的基礎上，這里從不同區域和不同企業特征兩種視角出發，檢驗數字金融在不同環境下對企業的作用差異。

1.不同區域的異質性分析

由于地理位置、經濟政策、產能結構的不同，各地區經濟發展存在顯著差異，上市公司多集中于東部發達地區。經濟發展好的地區通常具備更優良的融資環境，而傳統金融區域融資壁壘的存在也限制了欠發達地區的金融資源供給，因而不同地區數字金融對企業融資行為的影響可能存在異質性。為了驗證這一點，這里選擇代表地區經濟發展水平的人均GDP指標對原有樣本進行異質性檢驗，具體做法如下：構建虛擬變量（gdpdumit），如果取值大于中位數設為1，否則設為0，將該虛擬變量與數字金融的交互項加入原有方程進行回歸，結果如表9（下頁）所示。表9中列（1）、（4）結果的交互項DFIit*gdpdumit系數顯著為負；列（3）結果的交互項DFIit*gdpdumit系數為正值，且通過5%的統計顯著性檢驗。這說明，在低GDP地區數字金融對企業融資規模、融資效率的正向效應更為明顯，而對高GDP地區融資結構的改變作用更強。因此，數字金融能夠作為一種有效的增量補充，為欠發達地區提供足量金融支持，彌補傳統金融的不足，解決該地區企業融資難、融資貴的問題。

2.不同企業特征的異質性分析

（1）不同企業類型

數字金融對不同資質企業融資行為的影響可能存在差異。因此，這里首先按照產權性質進行分組，設置企業虛擬變量（soedumit：國有企業設為1，其他企業設為0），將其與數字金融的交互項代入回歸模型，結果如表10 Panel A（下頁）所示。與非國有企業相比，數字金融對國有企業融資效率的增加作用更為明顯，對融資結構的影響更弱。信息不對稱問題的存在使得傳統金融機構在貸款審批的過程中更傾向于國有企業，大量資金的注入很可能會超過企業的實際生產所需，由此造成資源閑置。數字金融內嵌的數字化技術有利于傳統金融機構掌握更精準、全面的企業信息，其對傳統金融機構的競爭效應更是提高了銀行貸款審批的效率。因此，在數字金融的助推下，傳統金融機構不再單純依賴于政府背書來衡量貸款對象的質量，它們會降低對低效率企業的資金供給，由此對國有企業融資效率的優化作用更為明顯。

制造業企業是我國經濟發展的核心，數字金融對該類企業融資行為的作用效果是否具有異質性同樣值得關注，因而這里按照企業類型分類，設置企業虛擬變量（zhidumit：制造業企業設為1，其他企業設為0），將其與數字金融的交互項代入回歸模型，結果如表10 Panel B所示。表10 Panel B中數字金融DFIit的回歸系數方向與基準回歸一致，各列交互項DFIit*zhidumit系數顯著為正?？梢?，數字金融對企業融資水平、融資效率的提高作用主要體現在制造業企業上，同時對制造業企業融資結構的影響更強。

（2）不同企業規模

理論上，企業的規模也會影響數字金融的作用效果。這里以企業規模這一指標對原有樣本進行異質性檢驗，設置企業規模虛擬變量（zdumit），即企業規模大于中位數設為1，其他企業設為0，將其與數字金融的交互項代入回歸模型。由表11可知，列（1）、（3）、（4）中交互項DFIit*zdumit系數均顯著為負。這說明數字金融對小規模企業融資水平、融資結構、融資效率的作用更為明顯。傳統金融機構的貸款業務更加看重企業的資質而不是未來前景，大型企業擁有穩定的金融資源供應鏈，與金融機構存在長期合作關系，資金獲取便捷。有些小型企業本身具備較好的發展潛力，但缺乏足量的資金支持，無法將潛力“變現”。數字金融中的數字技術能夠有效幫助傳統金融機構挖掘適合投資的小型企業，優化資金配置，因而對小型企業融資規模及效率的優化效應更強。

四、影響機制分析

（一）各機制的獨立影響

在前述研究的基礎上，下文進一步探討數字金融優化企業融資行為的內在機理?？偟膩砜?，企業的融資過程主要受兩個方面的影響：一個是資金的供應端——傳統金融機構，另一個是資金的需求端——企業。傳統金融機構決定了資金的流向，資金流入優質企業是保證資金高效使用的前提，而資金的最終使用效率由企業自身的經營決策決定。因此，這里從這兩個方面探究數字金融的作用機制，采用交互項的形式在模型中分析以下三種效應：一是信息效應，探究數字金融對傳統金融機構信息環境的改善情況；二是成本效應，探究數字金融對企業融資約束的緩解改善情況；三是收益效應，探究數字金融對企業盈利能力的改善情況，具體檢驗模型如下：

其中，capit為信息效應的代理變量，sait為成本效應的代理變量，corit為收益效應的代理變量，其余設定同上所述。

1.信息效應——增加信息透明度

傳統金融機構是企業的主要融資來源，數字金融內嵌的大數據風控技術能夠有效增加企業的信息透明度，方便傳統金融機構更全面地了解企業的實際經營情況，在增加優質企業貸款份額的同時降低低效率企業的融資可能。

受數據所限，信息透明度很難衡量，因而本文選用商業信用作為代理變量。商業信用由企業自身發起，借貸對象一般具有很強的經營實力。如果數字金融能夠緩解銀企之間的信息不對稱就會對作為出資方的實體企業產生溢出效應，增加企業的商業信用。本文設置商業信用份額的代理變量capit（應付賬款/總資產），并將capit與數字金融交互，結果如表12所示。表12中列（1）、（4）交互項DFIit*cap系數均為負值，列（3）交互項系數顯著為正，可見信息透明度越高，數字金融對企業債權融資比例的提高效果越強。而在信息環境較差的情況下，數字金融對企業融資規模、融資效率的增加作用更強，證實信息效應是數字金融提高企業融資規模及效率的機制。

2.成本效應——緩解融資約束

數字金融的發展能夠幫助傳統金融機構高效識別優質企業，保證此類企業的資金供應，但該類企業的融資規模及資金使用效率仍取決于企業的主觀意愿。融資約束的存在會干擾企業的投資走向、引發投資不足，影響企業負債的實際用途。過高的融資成本也會抑制企業的融資意愿。數字金融對融資約束緩解的作用能夠使企業更專注于投資活動，融資意愿也會有所增強。

本文采用SA指數［32］sait作為融資約束的代理變量，并將sait與數字金融交互，探究數字金融對企業融資行為的影響是否存在異質性。表12列（1）、（2）、（4）的結果顯示，交互項DFIit*sait系數顯著為負；列（3）結果顯示，交互項DFIit*sait系數顯著為正。由此可見，數字金融對融資約束較高企業的融資規模和融資效率的改善作用更強。這證實了緩解融資約束是數字金融優化企業融資行為的機制。

3.收益效應——增強實體投資的收益

數字金融賦能的信息技術能夠與企業生產經營進行有效結合，降低企業的經營成本與交易成本，擴大生產規模，進而提高企業的主營業務收益，從而優化企業的融資行為。為實證考察數字金融與企業主營業務收益的關系，本文將主業業績的代理變量corit（營業利潤/總資產）與數字金融進行交互。表12中列（1）、（3）結果顯示，交互項DFIit*corit系數顯著為負，說明在主營業務收益低的企業中，數字金融對企業融資規模和債權融資占比的增加作用更大。這證實了提高主營業務收益是數字金融優化企業融資行為的機制。

（二）各機制的聯合影響

考慮到信息效應、成本效益和收益效應三者可能存在聯動，本文在上述模型的基礎上，引入數字金融與各效應之間的聯合交互項進行回歸。如表13所示，三類機制的聯合效應主要體現在信息效應和成本效應及三個效應的聯合效應上。根據表13列（1）結果，交互項DFIit*capit*sait、DFIit*capit*sait*corit系數顯著為負，說明數字金融對融資約束的緩解作用能夠增強信息效應及收益效應對企業融資規模的增加效果。列（4）的回歸結果表明，雖然收益效應無法直接影響企業的融資效率，但是能夠增強信息效應及成本效應對融資效率的提升效果。

五、結論與建議

本文主要探討數字金融對企業融資行為的影響。研究結果表明，數字金融對企業融資行為具有顯著的優化作用，具體地，數字金融的發展增加了企業的融資規模，改變了融資結構，提高了融資效率，該結論在經過替換解釋變量、替換回歸形式、切割樣本、工具變量回歸等一系列穩健性檢驗后依然成立。異質性分析表明，數字金融能夠同時改善欠發達地區與發達地區的企業融資行為，但對欠發達地區融資規模和融資效率的正向作用更為明顯。相較于非國有企業，數字金融對國有企業融資效率的增加效應更強，可能與這類企業資金冗余較多有關。數字金融對不同行業企業融資行為的影響差異主要集中于融資規模和融資效率方面，且對小規模企業的融資規模及融資效率的增加作用更為顯著。機制分析表明，數字金融對信息環境的完善作用及對融資成本的降低作用能夠通過增加融資規模和提升融資效率的方式優化企業的融資行為，而數字金融對主營業務收益率的提升作用有助于提高企業的融資規模及負債融資占比。同時，雖然收益效應無法直接影響企業的融資效率，但是能夠增強信息效應及成本效應對融資效率的提升效果。

數字金融作為數字化與信息化的產物，可以提高企業生產運行效率，優化企業融資行為。本研究具有重要的政策含義，可為數字金融高質量發展與企業投融資決策提供依據?；诖耍岢鋈缦抡呓ㄗh：

第一，推動信息技術和金融業的深度融合，提高數字金融對企業的服務效果。當前，數字金融已成為支持實體經濟發展的重要驅動力，有關部門應積極采取措施推動金融科技的發展，加強數字金融治理，引導和規范數字金融健康有序和高質量發展，增強其服務實體企業的效果。具體地，一是加快數字金融技術的發展。數字技術是數字金融的基礎，也是制約數字金融發展的關鍵。因此，政府有關部門應在控制風險的前提下，采取相應措施，以技術創新為引領，積極推動大數據、云計算、區塊鏈等的發展，通過相關制度吸引優秀人才、增加科研投入、鼓勵大型企業和科研機構合作，加速形成具有自主知識產權和專利的技術，引領行業發展。二是增強數字金融與高端科技的融合程度，加速信息資源的流通互動，打破數據孤島格局，給予數字金融充分的發展空間，提升數字金融在各類場景下的應用能力，夯實數字金融助力企業投融資活動的基礎。三是為數字金融發展提供良好的制度環境。利用數字金融的普惠性，增強金融服務的廣度和深度，以求為更多企業提供便捷、低成本的多元金融服務，提高金融服務實體企業的效率。

第二，加快傳統金融機構的數字化進程，更好地滿足企業的融資需求。面對席卷全球的數字化浪潮，為了更好地服務實體企業，以銀行為主導的傳統金融機構應積極擁抱金融科技，加快自身的數字化改革步伐，將金融服務充分下沉至實體企業，并對融資需求旺盛、發展潛力大的企業給予有效支持。一是加強數字銀行的推廣和普及。雖然數字銀行在發達城市已經初具規模，但在偏遠地區普及程度仍然不足，為此，應積極搭建平臺，將自身的金融服務融入用戶的交易情境之中，盡力為更多的平臺用戶提供優質的金融服務，提高金融服務的觸達能力。例如，在鄉村金融的服務過程中，傳統金融機構可以通過搭建農村集體產權交易平臺的方式滿足農民的金融需求。此外，傳統金融機構應加強與互聯網平臺的合作，將銀行專業的風險評估方式和金融理念與互聯網企業先進的科學技術和海量的用戶數據進行對接，共同構建互聯網金融的消費情境。二是加強數字技術在傳統金融機構中的使用深度。傳統金融機構應充分利用數字金融優勢，全面評估企業的發展狀況和信用情況，有效鑒別高效率企業，減少呆壞賬。在提供金融服務的過程中，將大數據、云計算等信息技術與金融產品深度融合，提高融資效率。

第三，協調更多金融資源，助力欠發達地區和潛力企業的發展。相關部門應實施具有針對性、持續性的政策措施，充分發揮數字金融的普惠特性，合理分配區域金融資源，為具備發展潛力的企業和地區持續提供金融資源。例如，增加欠發達地區智能金融網點的數量和規模，并加大宣傳力度，以增強當地居民的了解程度和使用頻率。針對農村地區，應出臺相應優惠政策，鼓勵金融機構推出適合當地的數字金融服務，降低金融服務的使用門檻，并對當地的基礎設施進行改進，實現移動互聯、移動通信的廣覆蓋。同時，推動人工智能、數字技術和云計算等技術與金融的深度融合，利用數字技術設計符合當地居民使用習慣的數字金融服務，提高金融資源的區域配給效率，賦能企業發展。

參考文獻

［1］吳堯，沈坤榮．資本結構如何影響企業創新——基于我國上市公司的實證分析［J］．產業經濟研究，2020（3）：57-71．

［2］梁安琪，武曉芬．企業去杠桿、投資效率和企業績效［J］．經濟與管理，2021（1）：62-69．

［3］MINSKY H． Stabilizing an unstable economy ［M］． New Haven： Yale University Press， 1986．

［4］王宇偉，盛天翔，周耿．宏觀政策、金融資源配置與企業部門高杠桿率［J］．金融研究，2018（1）：36-52．

［5］邵帥，尹俊雅，王海，等．資源產業依賴對僵尸企業的誘發效應［J］．經濟研究，2021（11）：138-154．

［6］黃益平，黃卓．中國的數字金融發展：現在與未來［J］．經濟學（季刊），2018（4）：1489-1502．

［7］唐松，伍旭川，祝佳．數字金融與企業技術創新——結構特征、機制識別與金融監管下的效應差異［J］．管理世界，2020（5）：52-66．

［8］汪亞楠，葉欣，許林．數字金融能提振實體經濟嗎［J］．財經科學，2020（3）：1-13．

［9］趙宸宇，王文春，李雪松．數字化轉型如何影響企業全要素生產率［J］．財貿經濟，2021（7）：114-129．

［10］? 張艾莉，孫新宇．數字金融、銀行主動風險承擔與企業融資約束［J］．調研世界，2022（10）：58-65．

［11］? 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．

［12］? 黃銳，賴曉冰，唐松．金融科技如何影響企業融資約束？——動態效應、異質性特征與宏微觀機制檢驗［J］．國際金融研究，2020（6）：25-33．

［13］? 吳慶田，王倩．普惠金融發展質量與中小企業融資效率［J］．金融與經濟，2020（9）：37-43．

［14］? 梁琦，林愛杰．數字金融對小微企業融資約束與杠桿率的影響研究［J］．中山大學學報（社會科學版），2020（6）：191-202．

［15］? 秦士晨．中小企業融資問題的研究——基于“數字普惠金融”創新借貸模式［J］．工業經濟論壇，2017（5）：89-94．

［16］? 林愛杰，梁琦，傅國華．數字金融發展與企業去杠桿［J］．管理科學，2021（1）：142-158．

［17］? 周澤炯，王國慶．數字普惠金融對中小企業融資的影響研究［J］．長春師范大學學報，2020（11）：72-76．

［18］? HOU X， GAO Z， WANG Q. Internet finance development and banking market discipline： Evidence from China［J］. Journal of Financial Stability， 2016， 22（1）： 88-100.

［19］? NIGAM N， BENETTI C， JOHAN S A. Digital start-up access to venture capital financing： What signals quality？ ［J］. Emerging Markets Review， 2020， 45（12）： 100743.

［20］? WONGLIMPIYARAT J. FinTech banking industry： A systemic approach［J］. Foresight， 2017， 6（19）： 590-603.

［21］? FUSTER A， PLOSSER M， SCHNABL P， et al. The role of technology in mortgage lending［J］. The Review of Financial Studies， 2019， 32（5）： 1854-1899.

［22］? LYYTINEN K， YOO Y， BOLAND R J. Digital product innovation within four classes of innovation networks［J］. Information Systems Journal， 2016， 26（1）： 47-75.

［23］? CHRISTIANO L， MOTTO R， ROSTAGNO M. Risk shocks［J］. American Economic Review， 2014， 104（1）： 27-65.

［24］? 李匯東，唐躍軍，左晶晶．用自己的錢還是用別人的錢創新？——基于中國上市公司融資結構與公司創新的研究［J］．金融研究，2013（2）：170-183．

［25］? SIMERLY R L， LI M. Environmental dynamism， capital structure and performance： A theoretical integration and an empirical test［J］. Strategic Management Journal， 2000， 21（1）： 31-49.

［26］? GUO B， CASTRILLO D P， SIMATS A T. Firms' innovation strategy under the shadow of analyst coverage［J］. Journal of Financial Economics， 2019， 131（2）： 456-483.

［27］? 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（4）：1401-1418．

［28］? SARMA M. Measuring financial inclusion using multidimensional data［J］. World Economics， 2016， 17（1）： 15-40.

［29］? MCLEAN R D， ZHAO M. The business cycle， investor sentiment， and costly external finance［J］. The Journal of Finance， 2014， 69（3）： 1377-1409.

［30］? 高春梅．高管團隊異質性、融資效率與企業投資［J］．財會通訊，2023（2）：38-43．

［31］? 張勛，萬廣華，張佳佳，等．數字經濟、普惠金融與包容性增長［J］．經濟研究，2019（8）：71-86．

［32］? HADLOCK C， PIRECE J. New evidence on measuring financial constraints： Moving beyond the KZ Index［J］. Review of Financial Studies， 2010， 23（5）： 1909-1940.

The Impact and Mechanism of Digital Finance on Enterprise Financing Behavior

CHEN Meng-gen?? ZHANG Qiao

Abstract： As a new financial model， digital finance has great influence on the financing behavior of micro-enterprises. This paper sets up a three-dimensional index system to measure the regional digital financial index， and selects Chinese listed enterprises as a sample from 2011 to 2022 to empirically investigate the impact of digital finance on corporate financing behavior and the underlying mechanism. It is found that digital finance has a significant optimization effect on the financing behavior of enterprises， which is manifested in the increase of financing scale， the increase of the proportion of debt financing， and the improvement of financing efficiency. In particular， the heterogeneity analysis shows that the impact of digital finance on corporate financing behavior has obvious regional heterogeneity and firm heterogeneity. The mechanism analysis shows that the development of digital finance can improve the financing behavior of enterprises through information effect， cost effect and income effect. In order to promote the role of digital finance in enhancing the financing behavior of enterprises， it is necessary to formulate and improve supportive policies for the deep integration of information technology and finance， speed up the digitization process of traditional financial institutions， and actively promote the development of underdeveloped regions and potential enterprises.

Key words： digital finance; financing behavior; debt financing

基金項目：國家社會科學基金重大項目“數字經濟對我國經濟社會發展的影響效應測度與統計評價”（19ZDA118）；北京市自然科學基金面上項目“北京市數字經濟高質量發展水平測度、路徑選擇與治理體系研究”（9232012）。

作者簡介：陳夢根，北京師范大學統計學院金融統計系主任，教授、博士生導師；張喬，北京師范大學統計學院博士研究生。