數字金融與企業融資約束

劉會芹 舒云輝

[摘要]在我國經濟發展進入新階段的背景下，認識和利用數字金融以支持實體經濟高質量發展，對緩解企業融資約束具有重要的現實意義。立足數字金融視角，通過理論分析并采用2011—2021年滬深A股上市公司面板數據為研究樣本，驗證數字金融對緩解企業融資約束具有顯著促進作用。研究表明，數字金融的發展能夠有效減輕企業的融資困境，為企業提供更多樣化的融資渠道，這一結論在控制穩健性之后依然成立。機制檢驗發現，可能存在的兩條中介傳導路徑，一是數字金融微觀上通過降低融資費用緩解企業融資困境，二是宏觀上通過促進要素市場發育緩解企業融資約束。異質性分析表明，這種緩解效應在沿海地區和制造行業更加顯著。一系列研究結論能豐富現有研究數字金融與企業融資困境的文獻，為后續優化金融政策導向進而發揮自由市場競爭優勢、多樣化融資渠道提供參考。

[關鍵詞]數字金融；融資約束；融資困境；實體經濟

一、 引言

經濟發展是國家肌體，金融服務是血脈。習近平總書記一直高度重視中國經濟金融的現代化建設，黨中央一直鼓勵金融業加強科技創新，推動數字金融的發展，為企業提供更加便捷、高效、普惠的金融政策優惠。2022年的兩會政府工作報告提出了進一步擴大數字金融的覆蓋范圍1。當前是我國經濟正處于走向高質量發展的新時期，其中實體經濟繁榮發展是重中之重。為此，需要在金融服務現代化建設方面不斷創新和探索，積極引入新技術、新模式、新業態。而令人擔憂的是我國目前的經濟形勢下，金融部門和企業部門之間存在一種“雙荒”現象[1] ：一方面，金融部門持有大量低效率、低收益、低風險的資產，缺乏優質投資機會；另一方面，企業部門亟須得到更多、更便宜、更靈活的資金支持，以應對市場競爭和轉型升級。這種“雙荒”現象導致“供需錯配”，削弱了金融與實體經濟之間的協同效應。

一些學者認為，傳統金融發展緩慢，雖然體系規模很大，但效率有所欠缺，同時融資渠道也相對不足[2] 。少數企業具有規模和資源的特殊性，它們通常通過財務報表等手段傳達“硬信息”，以便利用信息差為自己謀取更多的利益[3] ，這使得傳統金融表現出明顯的偏向性。數字金融的出現為解決傳統金融的頑疾提供了新思路和方法[4] 。數字科技發展促進了傳統金融與數字金融的融合[5] ，金融創新得到了數字化技術的強大支持，為解決或改善數字金融面臨的難題提供了多樣化的方案[4]。宏觀影響上，數字金融能夠平衡社會發展，讓所有人享受到金融服務的好處[6] ；數字金融可以促進實體經濟從數量增長向質量提升轉變，對其發展有積極作用[7] 。數字金融使企業和家庭擺脫傳統金融服務中存在的互斥現象，在收入與分配視角來看亦是如此[8] ，同時GDP會因為金融體系排斥效應而降低。總之，學界一般認為數字金融顯著縮小了城鄉收入差距、地區金融差距。微觀影響上，數字金融利用大數據獲取更多金融信息，可以降低交易成本和增加融資渠道，形成多樣化的業態[9] ，促進企業創新[10]，減少金融資源分配中的錯配問題[11]。數字金融對企業融資約束具有重要影響。互聯網金融在收集信息和分析數據方面具有天然優勢，通過使用數字金融體系，金融機構可以降低核查企業信用的成本，并使借貸風險更直觀、可控，這對企業融資更為有利。Gomber等[12] 指出，海量數據的處理需要低成本、低風險的方式，而大數據、分布式技術、區塊鏈等技術的發展為此提供了可能，這樣有利于那些因為信息不對稱而無法獲得正規金融服務的企業進行融資。喻平等[10] 進一步指出，制度環境也會對企業融資可得性與數字金融發展水平之間的關系產生影響。

經過梳理前人對數字金融與融資約束及其關系的研究發現，探究數字金融對融資約束影響的研究主要集中在宏觀層面包容性增長，如收入分配、產業發展、消費水平等方面，以及微觀企業層面的科技創新等。而對數字金融如何緩解企業融資難的作用機理問題的研究較少，且缺乏完整的理論框架和分析邏輯。基于此現狀，本文擬在總結完善前人研究成果的基礎上，進一步探究數字金融與融資約束的影響機制。以期在一定程度上彌補現有文獻不足的缺憾和進一步完善對數字金融與融資約束的研究體系，為后續政策制定和金融監管提供參考建議。

與既有文獻相比，本文的研究成果在以下幾個方面具有一定的理論和實踐貢獻：（1）不同于研究傳統金融的文獻來解決企業融資困境，本文立足于當前金融的新形勢和新挑戰，從更多新興的視角擴展對當前形勢下企業融資困境的理論認識；（2）在兩者影響關系中探討其多重的中介效應，從宏微觀兩個視角深入探討其中傳導機制；（3）從地理環境與行業屬性層面探討其效應的異質性作用。本文提出的上述思路，有助于更深入地理解數字金融影響企業融資約束的內在機制和路徑。

二、 理論分析與研究假設

數字金融的出現為企業提供了全新的融資選擇，傳統的融資模式和金融體系在信息獲取、資金配置、環境運作等方面已顯現出明顯的弊端，而新興的數字金融為企業提供了新的契機。數字金融的產生是信息技術與金融服務深度融合的結果。它通過互聯網、大數據、人工智能等數字化手段，實現了對企業數據的高效收集和智能化分析，可以更準確評估企業實力、提供個性化的融資方案。同時，數字金融構建了直接對接線上的金融平臺，簡化了中間環節、降低了融資交易的費用和時間成本。另外，云計算和大數據分析優化了供需關系，提升了信貸資源配置的效率。基于上述分析，本文認為數字金融主要從技術手段、信貸配給、融資渠道三個方面，影響和改善企業的融資約束狀況。

從數字金融技術的視角來看，其核心在于利用大數據和人工智能等前沿技術，實現對企業數據的高效智能處理。數字金融通過數字技術提高信貸資源配置效率，改善金融服務質量，實現融資渠道擴大。數字金融是新興的科技領域，它利用數字化技術和大數據來評估企業的信用，并通過數字網絡平臺提供快速、高效和個性化的融資服務[13] 。這使得金融機構可以低成本進行企業信用評估，提供個性化融資方案，降低企業的融資難題。以借款寶平臺為例，它通過在線評級模型實現了對小微企業精準的信用評級，拓寬了它們的融資渠道。互聯網技術可以幫助出資機構發現小微企業的金融需求，也可以幫助中小企業獲得更多的生產和傳播工具，從而拓展融資長尾市場[14] 。另外，數字金融建立了線上直接聯系的模式，縮短了中間環節，可以直接連通企業與投資方，降低了融資時間和支出成本。總體來說，數字金融技術的應用，優化了企業的外部融資環境，明顯拓寬了融資的獲得途徑。

從信貸配給視角來說，信貸配給理論可以很好地解釋銀行借貸市場的現象，銀行傾向于向信用更好的大型客戶提供貸款，而中小企業則很難獲得銀行的信貸支持[15] 。這是因為中小企業通常具有較高的創新潛力，但也面臨著較大的不確定性和風險，因此在銀行借貸市場上處于劣勢，難以通過提供足夠的抵押品或支付較高的利率來證明自己的還款能力和項目可行性。信息不對稱導致銀行信貸配給影響所有企業融資，企業更易受其自身治理結構的限制[16] 。例如，企業所有權、控制權、激勵機制等因素會影響企業的投資決策和績效，從而影響銀行對企業的信用評估和貸款條件。為此，發展數字金融，通過大數據等技術手段幫助銀行降低獲取企業信息、評估信用的成本，實現更優的信貸配置，可有效幫助企業獲得更多信貸支持，從而緩解其融資約束。

從融資環境來看，擁有完善的金融系統可以提供高質量的外部融資環境，從而顯著減輕企業的融資約束。數字金融的運用能夠在金融穩定和金融創新之間找到平衡點，并且能有效地拓展金融服務的范圍[17] 。值得注意的是，數字金融作為一種替代性的融資方式，相較于傳統的融資方式，可以優化要素市場的配置，提高要素流動性，進而有效地提高企業融資的可得性[18] 。先進技術支持的數字化金融正在深刻地改變傳統金融機構的前臺獲客、中臺運營管理和后臺風險控制業務全流程。通過運用大數據、智能算法、云計算等技術，數字化金融可以以更高效、更低成本的方式降低供求關系之間的連接成本[19] 。因此，數字金融給企業帶來了融資渠道多元化的市場環境，有利于緩解融資環境不足問題。綜上本文提出以下假設：

H1：其他條件一定的情況下，數字金融發展水平越高，越有利于緩解企業融資約束。

三、 數據選取與模型構建

1. 數據來源與選取

本文選取滬深兩市A股上市公司為研究樣本，進行以下篩選和處理：（1）剔除金融行業的上市公司；（2）剔除ST和*ST類的上市公司；（3）剔除數據缺失過多的上市公司；同時對所有連續變量在兩端1%處進行縮尾處理，得到28215個觀測值作為面板數據。數字普惠金融指數來自北京大學的數字金融普惠金融指數，其余財務數據均來自CSMAR數據庫。

2. 模型構建與指標選取

為驗證前文提出的假設H1，本文構建如下多元回歸模型進行實證分析。

[KZi，t=α0+α1FIi，t+α2Controli，t+∑Industry+τt+εi，t] （1）

（1）融資約束的衡量指標

KZ指數（KZ）。借鑒Kaplan等[20] 的思想構建模型，并采用排序邏輯回歸（Ordered Logistic Regression）的方法來計算KZ指數。KZ指數數值越大，意味著上市公司面臨的融資約束越高。在本文穩健性檢驗部分則采用WW指數替換KZ指數。

（2）數字金融的衡量指標

數字金融指數（FI）是由北京大學數字金融研究中心發布，旨在衡量和評估我國數字金融服務的可及性和使用程度的指標，用于衡量不同地區數字金融的發展水平和成熟度。它通常基于多個子指標，例如數字支付、電子銀行、移動金融等，來評估數字金融服務的覆蓋度、使用率和影響力等。本文所用數據選取省級的數字普惠金融指數，取其對數作為實證分析的代理變量，提高實證結果的可靠性。

（3）控制變量

參照既有相關文獻，本文從公司財務、公司治理、會計師事務所等層面選取控制變量，主要包括資產負債率（Lev）、總資產周轉率（Tat）、成長性（Growth）、資產收益率（Roa）、企業規模（Size）、股權集中度（Eq）、董事會規模（Board）、上市年限（Age）、經營現金流（Cashflow）、審計意見類型（Opin）。此外，本文還考慮一些企業未觀測到的固定效應特征所帶來的影響，采用雙向固定效應（行業和時間）模型進行回歸。各主要變量的定義如表1所示。

四、 實證結果分析與經濟解釋

1．描述性統計

如表2所示，KZ指數的均值為1.018，標準差2.389，最小值為-5.826，最大值為6.447，這表明在微觀層面上，樣本中不同企業之間融資約束嚴重程度相差巨大，各地區企業之間差距相較于以往更大。FI指數的最小值為3.487，最大值為6.129；均值為5.510，中位數為5.673，標準差為0.543，宏觀上來說，地區間存在的差異仍然在逐步增大。其他變量數據分布與既有研究基本一致。

2．回歸分析

（1）基準回歸分析

為驗證上述假設，本文如下進行實證回歸，結果見表3列（1）。FI對KZ指數的回歸系數為-1.9627，在1%的水平上顯著，即表示數字金融與企業融資約束有著顯著的關系。列（2）加入一系列控制變量后結果仍然顯著，系數為-0.3114，在1%的水平上顯著。其結果的經濟含義在于，數字金融帶來了企業融資的新機遇，其發展將有助于改善企業的融資問題。可能的原因是：第一，傳統的融資方式通常依賴銀行或其他金融機構，并且需要支付高額的利息和手續費，而數字金融可以通過去除中間環節降低融資成本。第二，數字金融可以讓更多的投資者參與融資，從而擴大了融資渠道。控制變量中的變量與企業融資約束的相關性分布也與現有研究成果基本一致。

（2）指標降維分析

為了分析數字金融分指數對于融資約束的影響，本文進一步細化數字金融指數。如表3的列（3）、列（4）展示，覆蓋廣度（FI_Cov）和使用深度（FI_Usa）指標均通過了1%的顯著性檢驗，系數分別為-0.2025和-0.2307。這表明數字金融的覆蓋面越廣，越有利于地區企業的發展；同時數字金融發展利用數字技術提升金融服務的可獲得性、效率和質量，為企業提供更多的融資渠道和選擇。這也意味著企業要關注數字金融的兩個維度：一是依靠互聯網等手段增加金融服務用戶群，二是依靠數字技術創新金融服務模式。通過上述操作，可以為企業提供更多的融資機會和方案，有效降低融資約束。列（5）所示為數字化程度（FI_Dig）的回歸結果，數字化程度系數不顯著可能有以下原因：從經濟效應上看，數字化的推廣無疑提高了金融服務端的效率，但這種效率提升并沒有完全轉化為企業融資環境的直接改善，數字化的經濟效應可能需要更多的傳導路徑才能最終體現為企業融資約束的減輕；從實際情況分析我國整體的數字化覆蓋率還比較低，許多企業無法獲得數字化服務，這也制約了其對實體經濟融資問題的支撐作用。綜上多方面原因導致了數字化程度的緩解效應并不顯著，我國數字化發展仍然任重道遠。

3．穩健性檢驗

（1）更換被解釋變量度量方法

本文借鑒Whited等[21] 、劉莉亞等[22]的研究方法，構建WW指數，并采用WW指數作為KZ指數的替換變量用以衡量企業融資約束程度。結果如表4列（1）所示，回歸系數為-0.0086，并且通過1%顯著，這說明在替換融資約束度量方法之后，本文結論依然穩健。

（2）縮減樣本量

直轄市一直在我國經濟中享受著更多的政策傾斜和資源，本文借鑒呂靖燁等[23] 的方法，剔除北京、上海、天津、重慶4個直轄市樣本后再次進行回歸檢驗，檢驗結論的穩健性。結果列示于4表列（2），回歸結果仍然通過1%顯著水平檢驗。

（3）動態效應檢驗

考慮到數字金融的作用可能具有滯后性，本文將數字金融指數滯后一期，進行實證檢驗。如表4列（3）所示，數字金融指數滯后一期通過了1%的統計學意義上的顯著性，結果表明，數字金融影響企業融資約束在時間上具有動態效應，隨著時間的推移，數字金融對企業融資的約束緩解效果在時間上仍然發揮效用。借鑒Moser等[24] 的方法，本文采用時間交乘行業聯合固定效應模型，控制時間和行業的固有差異，進一步提高估計結果的穩健性。結果顯示表4列（4），回歸結果依舊通過1%顯著性檢驗。

（4）PSM 傾向性得分匹配檢驗

為避免樣本自選擇所帶來的內生性問題，采用一對一最近鄰匹配法對非東部地區企業（處理組）進行匹配，以盡可能減少和東部地區（控制組）之間的差異，從而更精準地評估數字金融對不同地區企業融資狀況的影響。以資產收益率、股權集中度、經營性現金流、資產負債率、審計意見為協變量匹配，之后將匹配后的樣本重新回歸。如表5所示，匹配后，%bias（標準化偏差）小于10%；同時，匹配后的T檢驗均不顯著，理論上能夠消除組間差異，這證明此次匹配分組是較為理想的。

然后，對進行傾向性得分匹配（PSM）后的樣本重新回歸，結果如表6所示，經過PSM重新匹配的KZ指數通過了1%的顯著性檢驗。

（5）工具變量法檢驗

為解決因反向因果而產生的內生性問題，本文參考了謝絢麗等[25] 的思路，采用工具變量法進行內生性檢驗，選取互聯網普及率（Interp）作為數字金融的工具變量。

如表7所示，第一階段的回歸結果表明，我國的互聯網覆蓋率越廣，數字金融發展水平越高。工具變量系數顯著為正，且F統計量遠大于臨界值10，拒絕了弱工具變量的原假設，說明互聯網普及率（Interp）作為工具變量合理有效。第二階段的回歸結果表明，修正了數字普惠金融和民營企業融資約束之間可能存在的干擾因素后，FI系數仍然顯著為負，其數值為-0.3343，這說明本文結論成立并具有穩健性。

五、 機制檢驗

在前述研究中，本文實證驗證了數字金融與企業融資約束關系，探索其動態效應；從多個角度探討數字金融對企業融資約束影響的基礎上，進一步探討兩者之間的作用機理和傳導路徑。這里借鑒溫忠麟等[26] 的中介效應模型，以期完整地探討數字金融與企業融資約束的內在傳導機制，在基準回歸的基礎上新增下列兩式：

[Mediatori，t=θ0+θ1FIi，t+θ2Controlsi，t+ΣIndustry+τt+εi，t] （2）

[KZi，t=γ0+γ1FIi，t+γ2Mediatori，t+γ3Controlsi，t+∑Industry+τt+εi，t] （3）

1. 基于融資成本視角的機制檢驗

在探討企業融資約束時，融資成本往往是一個不可避免的話題，因為高昂的融資成本會加劇融資的難度，從而加重融資約束的程度。在國內間接融資體系下，由于間接融資渠道的特點，融資成本率也成了企業融資費用的重要風向標。本文借鑒王貞潔[27] 的方法，采用財務費用與總負債的比值來計算企業的融資成本，來反映企業融資費用的高低。從表8的列（1）與列（2）可以看出，兩項回歸結果均通過了統計學意義上1%的顯著性，這說明數字普惠金融的發展能夠顯著降低企業融資費用率。列（1）系數為-0.0130，表明數字金融的發展能降低企業融資成本，而列（2）加入融資費用率后，回歸結果仍然顯著，表示融資費用率的降低能夠顯著降低企業所面臨的融資約束。這一實證結論驗證了融資費用率作為中介的傳導路徑存在的可能性。

2. 基于要素市場環境視角的機制檢驗

已有的研究表明，市場化的發展有可能成為數字金融與企業融資約束的中介機制[1] 。基于市場環境視角來看，數字金融的發展通過減輕要素市場扭曲來緩解融資約束[18] 。本研究借助樊綱等[28] 發布的要素市場發育程度指標（Dist）來實證研究其中介效應。表8列（3）與（4）實證結果顯示，要素市場的發育程度對企業融資約束的影響通過了1%顯著性檢驗，系數為0.0107。這表明數字金融的發展可以通過促進要素的流動和配置，進而緩解企業融資約束環境。

六、 異質性分析

1. 基于區域異質性檢驗

在從全樣本的視角探索數字金融和融資約束的關系之后，本文從不同角度考察地區異質性下的數字金融所起到的作用。沿海地區處于我國外向型經濟的前沿地帶，且地處海上交通中心，具有優越的地理位置，能夠更好地面向全球市場，吸引國內外資金和資源進入該地區；基于網絡效應的原理，沿海地區數字金融的傳播范圍也更廣，連接更為細致和緊密。一些新型數字金融平臺如互聯網銀行，可以讓沿海地區不同的企業與投資者進行高效的交易，有效擴大了融資渠道，提高了融資的成功率。因此，理論上數字金融在沿海地區可能產生更強的融資緩解作用。

表9列（1）、列（2）顯示了沿海所產生的實證結果差異，沿海地區分樣本系數為-0.3610，通過1%顯著性檢驗，這表明數字金融在沿海地區對融資約束的緩解具有促進作用。非沿海地區系數-0.0552，但未通過顯著性檢驗。實證結果驗證了上述理論猜想。

2. 基于行業異質性檢驗

本文除了研究地理因素對融資的影響，還進一步研究不同行業中企業融資的情況。我國作為制造業大國，制造業通常需要大量的資金投入，如購買設備、原材料、人力資源等，而數字金融可以為制造業提供更多的融資渠道和投資資源，從而降低融資成本和風險。此外，也可以采取數字化方式來解決短期資金周轉問題。這些都能夠幫助制造業企業優化財務結構和提高運營效率。因此，本文假設數字金融對制造業企業融資約束緩解效應更強。

本文從行業性質差異性出發，劃分制造業和非制造業分組回歸。回歸結果列于表9列（3）與列（4）。非制造業樣本通過1%的顯著性檢驗，回歸系數為-0.2374。而列（3）制造業樣本中，FI指數在1%的水平上顯著，系數為-0.4054，這說明數字普惠金融的發展對制造業企業的緩解效應更加顯著，這也證實數字金融的蓬勃發展對確保我國制造業的長盛不衰具有重要意義。

七、 研究結論與政策啟示

本文基于數字金融視角，利用2011—2021年滬深上市企業數據從理論角度探究其與企業融資約束之間的關系，進行基準回歸、傳導機制分析以及異質性分析等多個方面實證，以驗證數字金融對緩解企業融資約束影響的多重效果。基于以上探索，本文得出以下結論：首先，數字金融的不斷發展使企業融資約束困境得到明顯的改善。隨著數字金融的發展水平越來越高，其對企業融資約束的緩解驅動也越來越明顯。其次在機制驗證中實證發現，微觀層面，數字金融以降低融資費用這一方式作為中介緩解融資約束；宏觀層面，本文研究發現要素市場發育和扭曲程度在其中起著中介效應。最后，數字金融在不同地區表現出不同的驅動效應，在沿海地區和制造行業緩解效用更加突出。

針對以上結論，本文提出以下建議：

從企業微觀層面，當前數字金融服務還要在更好地覆蓋中小微企業、提供定制化解決方案、普及企業數字化理念、降低使用門檻等方面下更大功夫。例如，可以研發更多面向企業的特色數字金融產品和服務，覆蓋更多實體經濟主體。根據不同行業和類型企業的特點，提供更加個性化的數字化金融解決方案。此外，加強對企業的數字金融相關知識和理念的培訓，幫助企業學會利用數字金融工具改善融資狀況。

從市場環境層面，為促進數字金融長期健康發展，完善市場環境和生態是不可或缺的一環。具體來說，一是要進一步健全法律法規體系，為數字金融創新提供規范指引。二是要繼續優化要素市場，打通生產要素的交易流通壁壘，為數字金融發揮配置作用創造條件。三是要推動不同市場主體公平競爭，防止出現壟斷局面影響數字金融的創新活力。四是還須加強行業自律，建立用戶反饋和服務評價機制，不斷提升數字金融用戶的體驗。

從政策層面，為推動數字金融更好地服務實體經濟，政府部門要從多個方面發力。首先是進一步落實鼓勵數字金融創新的政策措施，為企業提供更低成本的融資選擇。其次，建立監管協調機制，防止監管重疊或監管空白，促進數字金融監管更加科學化。再次，加強數字金融業的風險防控，嚴防風險集聚蔓延。最后，完善消費者權益保護，提高企業對數字金融的信任度。推動數字金融更好地服務實體經濟，提質增效。

參考文獻：

[1] 黃銳，賴曉冰，趙丹妮，等.數字金融能否緩解企業融資困境——效用識別、特征機制與監管評估[J]. 中國經濟問題，2021（1）：52-66.

[2] 林濱，王弟海，陳詩一.企業效率異質性、金融摩擦的資源再分配機制與經濟波動[J].金融研究，2018（8）：17-32.

[3] 林毅夫，孫希芳.信息、非正規金融與中小企業融資[J].經濟研究，2005（7）：35-44.

[4] 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），2018，17（4）：1489-1502.

[5] Berger A N.The Economic Effects of Technological Progress： Evidence from the Banking Industry[J].Journal of Money，Credit and Banking，2003，35（2）：141-176.

[6] Kapoor A.Financial Inclusion and the Future of the Indian Economy[J].Futures：the Journal of Policy， Planning and Futures Studies，2014（56）：35-42.

[7] 蔣長流，江成濤.數字普惠金融能否促進地區經濟高質量發展？——基于258個城市的經驗證據[J].湖南科技大學學報（社會科學版），2020，23（3）：75-84.

[8] 黃倩，李政，熊德平.數字普惠金融的減貧效應及其傳導機制[J].改革，2019（11）：90-101.

[9] 向潔，胡青江，閆海龍.數字普惠金融發展的區域差異及動態演進[J].技術經濟與管理研究，2021（2）：65-70.

[10] 喻平，豆俊霞.數字普惠金融、企業異質性與中小微企業創新[J].當代經濟管理，2020，42（12）：79-87.

[11] 任碧云，劉佳鑫.數字普惠金融發展與區域創新水平提升——基于內部供給與外部需求視角的分析[J].西南民族大學學報（人文社會科學版），2021，42（2）：99-111.

[12] Gomber P， Kauffman R J， Parker C， et al.On the Fintech Revolution：Interpreting the Forces of Innovation， Disruption， and Transformation in Financial Services[J].Journal of management information systems，2018，35（1）：220-265.

[13] 貝多廣.普惠金融：理念、實踐與發展前景[J].金融博覽，2016（7）：60-61.

[14] 趙青.互聯網金融破解小微企業融資難問題研究——基于長尾理論的視角[J].財會通訊，2017（35）：23-26.

[15] Stiglitz J E， Weiss A.Credit Rationing in Markets with Imperfect Information[J].The American Economic Review，1981，71（3）：393-410.

[16] 楊豐來，黃永航.企業治理結構、信息不對稱與中小企業融資[J].金融研究，2006（5）：159-166.

[17] Tsai C，Peng K.The FinTech Revolution and Financial Regulation：The Case of Online Supply-Chain Financing[J].Asian Journal of Law and Society，2017，4（1）：109-132.

[18] 戴靜，楊箏，劉貫春，等.銀行業競爭、創新資源配置和企業創新產出——基于中國工業企業的經驗證據[J].金融研究，2020（2）：51-70.

[19] 楊東.監管科技：金融科技的監管挑戰與維度建構[J].中國社會科學，2018（5）：69-91.

[20] Kaplan S N， Zingales L.Do Investment-cash Flow Sensitivities Provide Useful Measures of Financing Constraints？[J].Quarterly Journal of Economics，1997，112（1）：169-215.

[21] Whited T M， Wu G.Financial Constraints Risk[J].The Review of Financial Studies，2006，19（2）：531-559.

[22] 劉莉亞，何彥林，王照飛，等.融資約束會影響中國企業對外直接投資嗎？——基于微觀視角的理論和實證分析[J].金融研究，2015（8）：124-140.

[23] 呂靖燁，史家榮.數字普惠金融、融資約束與企業債務違約風險——基于中小企業的經驗證據[J].武漢金融，2022（9）：41-49.

[24] Moser P， Voena A.Compulsory Licensing： Evidence from the Trading with the Enemy Act[J].The American Economic Review，2012，102（1）：396-427.

[25] 謝絢麗，沈艷，張皓星，等.數字金融能促進創業嗎？——來自中國的證據[J].經濟學（季刊），2018，17（4）：1557-1580.

[26] 溫忠麟，葉寶娟.中介效應分析：方法和模型發展[J].心理科學進展，2014，22（5）：731-745.

[27] 王貞潔.信貸歧視、債務融資成本與技術創新投資規模[J].科研管理，2016，37（10）：9-17.

[28] 樊綱，王小魯，馬光榮.中國市場化進程對經濟增長的貢獻[J].經濟研究，2011，46（9）：4-16.

基金項目：重慶市社會科學規劃一般項目“‘雙碳目標下數字經濟驅動制造業綠色轉型的機制與路徑研究”（項目編號：2022PY38）；重慶市教育委員會人文社會科學研究一般項目“數字普惠金融對重慶中小企業融資約束的影響路徑及治理政策研究”（項目編號：22SKGH315）；重慶理工大學研究生教育高質量發展項目“數字普惠金融對企業融資約束的影響”（項目編號：GZLCX20233521）。

作者簡介：劉會芹（1986-），女，重慶理工大學會計學院副教授，碩士生導師，研究方向為年報文本信息經濟后果分析等；舒云輝（1997-），通訊作者，男，重慶理工大學會計學院碩士研究生，研究方向為數字金融與數字經濟。

（收稿日期：2023-06-27? 責任編輯：殷 俊）