數字金融、融資約束與企業資本勞動比

摘要：文章以2011—2021年中國滬深A股上市企業為研究樣本，深入剖析了數字金融對企業資本勞動比的影響、作用機制以及異質性。研究發現，數字金融能夠顯著提升企業資本勞動比。機制分析發現，數字金融通過緩解融資約束有效提升企業資本勞動比。異質性檢驗發現，數字金融對企業資本勞動比的影響因數字金融結構、企業內部特征與外部環境的差異而存在異質性，具體為數字金融覆蓋廣度能夠顯著提升企業資本勞動比，數字化程度對企業資本勞動比的影響呈顯著的正“U”型曲線，使用深度的影響不顯著；數字金融對小規模企業、非國有企業、勞動密集型行業企業、非衰退期企業、東部地區企業以及市場化水平較高地區企業資本勞動比提升的促進作用更顯著。對此，提出優化數字金融發展環境，引導企業利用數字金融提升資本勞動比，營造公平競爭的市場環境促進企業健康發展的建議。

關鍵詞：數字金融；資本勞動比；融資約束

[基金項目]兵團社科基金項目（項目編號：22YB11）。

[作者簡介]唐勇（1983-），男，寧夏西吉人，博士，教授，研究方向：金融學、區域經濟；王蓉（1999-），女，山西呂梁人，碩士研究生，研究方向：金融學、區域經濟；呂太升（1997-），男，河南商丘人，研究方向：公司金融、數字金融、數字經濟。

一、引言

資本勞動比是反映資本深化的重要指標，資本深化通常伴隨著生產技術的進步和生產效率的提升，是經濟增長和產業升級的重要渠道[1]。自改革開放以來，我國經濟受“人口紅利”的刺激獲得極大發展。然而，當前受勞動力供給減少、老齡社會深化和勞動力市場管制政策等多重因素的綜合影響，我國“人口紅利”日益減少，大量企業面臨勞動力短缺以及勞動力成本上升的困境，迫使越來越多的企業采取資本替代勞動的方式以維持自身競爭優勢[2-3]。資本替代勞動不僅能應對上述挑戰，促進企業固定資產投資，提升生產效率，還可以推動產業結構轉型升級，促進經濟持續健康發展。為此，“十四五”規劃中，明確提出“優化投資結構，提高投資效率，保持投資合理增長，推動企業設備更新和技術改造”。

然而，由于融資環境和信息不對稱，現實中大多數企業面臨著較嚴重的融資約束問題，這一問題很大程度上抑制了企業的投資行為[4]，尤其是依靠外部資金進行固定資產投資的企業，從而阻礙了企業資本替代勞動的過程，不利于我國企業資本勞動比的提升[5]。對此，2023年政府工作報告指出，“引導金融機構增加信貸投放，降低融資成本，出臺金融支持措施”。隨著信息與通信技術的不斷革新和互聯網的廣泛普及，中國數字經濟在近年來實現了跨越式發展。目前，我國數字經濟規模突破50萬億元，總量穩居世界第二。我國數字經濟蓬勃發展，數字中國建設成效顯著，作為數字經濟核心組成部分的數字金融，其發展水平也不斷提升。數字金融將新一代信息技術與金融業有效融合，借助大數據、云計算等數字技術，實現了對傳統金融業的重塑改造。學者們闡釋了數字金融的內涵[6]、并對其發展水平進行測度[7]，發現數字金融對企業部門[8-9]、銀行部門[10-11]、家庭部門[12-13]、農業部門[14-15]及宏觀經濟[16-17]等方面均具有積極作用。

關于企業資本勞動比的研究主要包括內涵與衡量[1，5]、影響因素[18-19]、經濟效果[20-21]。聚焦于企業資本勞動比的影響因素，基于外部因素，探究了政策干預[22-23]、融資環境[24]等對企業資本勞動比的影響。基于內部因素，探究了要素價格[1]、頻繁的勞動力流轉[25]對企業資本勞動比的影響。

縱觀現有研究，學術界關于數字金融及企業資本勞動比的研究成果豐富，然而鮮有關于數字金融對企業資本勞動比的影響的研究，同時，關于二者的作用機制及影響的異質性尚不明晰。 在數字金融快速發展及經濟高質量發展的時代背景下，研究數字金融如何影響企業資本勞動比，有助于理解數字金融如何優化企業的資源配置，促進企業高質量發展，服務實體經濟。鑒于此，本文以2011—2021年在中國滬深兩市上市的A股企業為樣本，深入探究數字金融發展對企業資本勞動比的影響。

二、理論分析與研究假設

企業資本勞動比的提高有助于提升企業生產率，是產業結構優化升級的重要手段，也是實現經濟持續健康發展的重要抓手和內在動力。但是由于企業提升資本勞動比的過程需要不斷在固定資產更新與創新研發等方面投入大量資金，且周期長、轉化低，使得企業在此過程中往往需要穩定而充足的資金支持。然而大多數企業的資金首先需要滿足其生產需求，企業自有資金可能無法滿足其資本深化所需。此時企業通常會通過貸款融資等方式，利用外部資本滿足其機器設備投資更新與創新研發等方面的資金需求[26]。此外，資本勞動比提升的過程是企業發展升級的階段，反映了其生產結構與方向，可能會涉及企業機密信息。因此，企業在向外界披露這些活動信息時往往會避免該部分的細節內容，從而加劇了銀企之間的信息不對稱問題，致使企業在傳統金融市場中的融資成本較高，甚至難以成功獲取外部資金，面臨較為嚴峻的融資約束問題，影響企業關于資本和勞動生產要素的投入決策方案，進而阻礙其資本勞動比的提升[5，24]。

數字金融通過大數據、云計算、人工智能等技術提高了金融服務的效率，使得企業在資本配置上更加精準和高效。這種效率的提升使得企業能夠更好地評估和選擇投資項目，從而優化資本的使用，購進先進的技術和設備，提高生產效率。高效的生產設備和技術對部分勞動力產生替代，從而提高企業資本勞動比。具體來看，數字金融作為數字技術與金融相結合的新形態，能夠有效解決企業資本勞動比提升過程中面臨的融資約束問題。一方面，數字金融發展能夠為企業提供穩定的資金供給，緩解企業資本勞動比提升過程中面臨的“融資難”問題。數字金融能夠充分發揮數字技術優勢，增加可用資金數量，創新企業融資模式，豐富融資來源渠道，增加企業資本勞動比提升的資金來源，支持其機器設備投資更新與研發投入。同時數字金融的發展能夠加劇銀行業競爭[6]，完善金融服務，優化資源配置，增加企業獲得信貸的可能性[26]，為企業資本勞動比的提升提供穩定的資金支持，有助于推動企業資本勞動比的提升。另一方面，數字金融發展能夠減少企業貸款融資成本，緩解企業資本勞動比提升過程中面臨的“融資貴”問題。金融市場中的信息不對稱問題增加了中小企業的融資成本[10]，數字金融依托先進的大數據、人工智能等技術，有助于壓縮海量信息搜集、處理與風險評估成本，增強資金供給方信息搜尋能力，改善金融市場中的信息不對稱問題，從而降低企業融資成本，為企業資本勞動比的提升提供低成本的外部資金支持，進而促進企業資產投資行為，提升企業資本勞動比。

基于上述分析，本文提出以下假設：

假設H1：數字金融發展能提升企業資本勞動比。

假設H2：數字金融發展能通過緩解企業融資約束促進企業資本勞動比的提升。

三、研究設計

（一）樣本選擇與數據來源

本文選取2011—2021年滬深A股上市企業為研究樣本，并剔除以下三類樣本數據：一是金融、保險及房地產類樣本；二是ST類及中途退市的樣本；三是數據缺失和異常的樣本。此外，對主要連續變量進行了上下1%的縮尾處理，以消除極端值的干擾。經處理，最終得到共計20 362個樣本觀測值。企業數據來自國泰安上市企業數據庫（CSMAR）和Wind數據庫，數字金融發展水平數據來源于《北京大學數字普惠金融指數（2011—2021）》。

（二）變量選取

1.被解釋變量

企業資本勞動比（[CL]）。資本勞動比率用企業資本與勞動二者存量的比值來表示。就企業資本投入而言，目前研究多用固定資產投入來代表資本要素投入。因此，參考張杰等[5]的研究，選用固定資產凈額與員工人數的比值來衡量企業資本勞動比。

2.核心解釋變量

數字金融發展水平（[Index]）。參照郭峰等[7]的研究，使用北大數字普惠金融指數衡量區域數字金融發展水平，選取2011—2021年城市級數字普惠金融指數作為核心解釋變量。為進一步研究企業資本勞動比主要受數字金融何種維度的影響，還使用數字金融覆蓋廣度（[Cov]）、使用深度（[Use]）和數字化程度（[Dig]）三個次級維度指標，并對上述變量取對數處理。其中，覆蓋廣度由賬戶覆蓋率衡量；使用深度由實際使用數字金融服務的情況衡量，包括支付、貨幣基金、信貸、保險、投資、信用業務；數字化程度則由移動化、實惠化、信用化及便利化的指標衡量。

3.中介變量

融資約束（[SA]）。參考任曉怡[27]的研究，測算得到[SA]指數作為企業融資約束的代理變量。若指數的值越大，則企業面臨的融資約束程度越嚴重。

4.控制變量

為減少其他因素對企業資本勞動比的影響，參考唐玨和封進[1]、鄺玉珍和李秉成[18]的做法，引入的控制變量包括企業規模（[Size]）、資產負債率（[Lev]）、資產收益率（[Roa]）、企業年齡（[Age]）、獨立董事占比（[Inde]）、企業成長能力（[Growth]）、企業性質（[Soe]）、公司價值（[TobinQ]）、人均地區生產總值（[PGDP]）、人口數（[Population]）。主要變量的定義如表1所示。

（三）模型構建

為考察數字金融發展對企業資本勞動比的影響，驗證假設H1提出的猜想，構建如下基準回歸模型：

[CLit=α0+α1Indexit+α2Controlsit+Year]" " " " " " " " " " " " [Industry+City+εit]" " " " " " nbsp; " " " " （1）

式（1）中，被解釋變量[CLit]表示[i]企業第[t]年的資本勞動比，核心解釋變量[Indexit]表示[i]企業所屬城市第[t]年的數字金融發展水平；[Controlsit]表示其他一系列控制變量；[εit]為模型隨機擾動項。同時，控制了年度（[Year]）、行業（[Industry]）和城市（[City]）固定效應，并對系數標準誤在企業層面進行了聚類調整。

四、實證結果與分析

（一）描述性統計與相關性分析

從表2的變量描述性統計結果可以看出，企業資本勞動比（[CL]）的最小值為8.896，最大值為15.910，均值為12.559，標準差為1.160，樣本企業的資本勞動比處于整體中等偏上水平，且不同企業之間差異較大。數字金融發展水平（Index）最小值為3.057，最大值為5.885，均值為5.336，我國數字金融發展水平較高。融資約束（[SA]）最小值為-4.522，最大值為-3.020，均值為-3.813，均值大于中位數值，最小值與最大值差距較大。其他變量的統計值與已有研究基本保持一致，同時，各個解釋變量間的方差膨脹因子均遠小于10，因此變量之間不存在嚴重的多重共線問題，可以進行回歸分析。

（二）基準回歸分析

表3列示了通過模型（1）得出的數字金融發展水平與企業資本勞動比的基準回歸結果，列（1）為僅控制年度、行業和城市層面的固定效應。結果顯示，數字金融發展水平對企業資本勞動比提升的回歸系數為0.441，且通過了1%的顯著性水平檢驗；列（2）為在列（1）的基礎之上加入企業微觀層面可能影響企業資本勞動比的控制變量。結果顯示，數字金融發展水平對企業資本勞動比提升的回歸系數為0.450，且通過了1%的顯著性水平檢驗；列（3）為在列（2）的基礎之上進一步加入宏觀層面的控制變量。結果顯示，數字金融發展水平對企業資本勞動比的估計系數為0.465，同樣通過了1%的顯著性水平檢驗，且系數相較于列（1）和列（2）有所增大。表明隨著數字經濟的快速發展，數字金融發展對企業資本勞動比存在顯著的提升作用，故假設H1得到了驗證。原因可能在于數字金融通過數字技術拓寬企業融資渠道，減少融資成本，降低企業金融服務準入門檻，提高企業融資可得性及效率，緩解企業融資約束，從而降低對企業資本替代勞動的制約效應。

（三）內生性處理與穩健性檢驗

為增強結論的科學性與可靠性，采用以下方法進行了穩健性檢驗。一是采用工具變量法；二是更換核心解釋變量的衡量方式；三是剔除特定樣本；四是更換樣本區間；五是加入其他可能影響企業資本勞動比的地區宏觀控制變量。

1.內生性問題處理

盡管被解釋變量與解釋變量的數據非同一層級，由反向因果帶來的內生性問題可能不太突出，但仍然可能存在遺漏變量產生內生性問題。對此，利用工具變量法進行內生性處理，參考謝絢麗等[28]、汪亞楠等[29]的研究，使用“各地到杭州的距離”（Distance）和“互聯網普及率”（IT）作為數字金融發展水平的工具變量分別進行2SLS估計，結果分別如表4列（1）、（2）和列（3）、（4）所示。可以看出，兩個工具變量系數均通過了1%的顯著性水平檢驗，弱工具變量檢驗F值均遠大于臨界值，且不可識別檢驗P值均為0.000，均拒絕了弱工具變量和不可識別的原假設，說明兩個工具變量選取有效。同時，第二階段回歸結果均顯示，數字金融發展水平對企業資本勞動比的回歸系數仍然顯著為正，且系數值比基準回歸系數更大，說明在考慮過內生性問題后，數字金融的發展能夠顯著提升企業資本勞動比的研究結論仍然穩健。

2.穩健性檢驗

（1）更換解釋變量。在基準回歸中本文采用城市級層面的數字普惠金融指數衡量地區數字金融發展水平，為檢驗結果的穩健性，更換核心解釋變量的代理變量，使用省級層面的數字金融發展水平作為替換變量，并重新進行回歸。替換核心解釋變量后的回歸結果如表5列（1）所示，省級層面數字金融發展水平的回歸系數為0.273，且通過了1%顯著性水平檢驗，結果與基準回歸結果具有一致性，數字金融對企業資本勞動比的正向影響仍然穩健。

（2）剔除特定樣本。考慮到相對于其他省市來說，直轄市具有特殊性，集中了本市的金融資源，發展速度較快。因此，將四大直轄市樣本剔除后重新進行估計。回歸結果如表5列（2）所示，剔除直轄市樣本后，數字金融發展水平的回歸系數顯著為正，與上文保持一致，說明數字金融的發展仍能顯著正向改善企業資本勞動比，文章的主要結論沒有改變，具有較好的穩健性。

（3）更換樣本區間。由于新冠疫情對2020年的經濟發展影響較大，為排除干擾，將樣本區間調整為2011—2019年進行穩健性檢驗，結果如表5列（3）所示。結果顯示，在更換樣本區間排除疫情的影響后，數字金融發展水平的系數仍顯著為正，表明數字金融的發展仍有助于改善企業資本勞動比，與基準回歸結果保持一致，表明文章研究結論具有較好的穩健性。

（4）控制其他遺漏因素。基準回歸過程中加入了企業層面和城市層面可能對企業資本勞動比產生影響的變量，為解決遺漏變量問題，進一步增加其他可能影響企業資本勞動比的行業集中度和產業結構兩個宏觀層面的控制變量，重新進行回歸檢驗，結果如表5列（4）所示。結果顯示，加入宏觀層面控制變量后，數字金融發展水平對企業資本勞動比的回歸系數仍然顯著為正，與前文基準回歸結果具有一致性，表明文章所得結論具有較好的穩健性。

（四）機制檢驗

理論分析部分表明，數字金融發展通過緩解企業的融資約束提升了企業資本勞動比。為證實該提升路徑，借鑒劉長庚等[30]的做法，構建如下含有交互項的模型：

[CLit=β0+β1Indexit+β2SAit+β3Indexit×SAit]" " " " " " " " " " " "[+β4Controlsit+Year+Industry]

+[City+εit]" " " " " " " " " " " " " " " " " " " " " （2）

其中，[SAit]表示企業融資約束水平；[Indexit×SAit]表示數字金融發展水平與融資約束的交互項，用于驗證融資約束作用機制是否存在，其余變量內涵與前文基準回歸模型一致。

考慮到下文數字金融結構的異質性影響部分，使用深度對當期企業資本勞動比沒有顯著影響，在機制檢驗部分僅驗證數字金融發展水平及其覆蓋廣度與數字化程度維度的影響機制，檢驗結果如表6所示。結果顯示，數字金融發展水平及其次級維度指數的估計系數均顯著為正，與基準回歸結果一致。融資約束的估計系數均顯著為負，說明融資約束對企業資本勞動比存在負向影響，企業面臨的融資約束程度越高越不利于企業資本勞動比的提升。數字金融發展水平與融資約束交互項（[Index×SA]）、覆蓋廣度與融資約束交互項（[Cov×SA]）、數字化程度與融資約束交互項（[Dig×SA]）的系數均顯著為正，表明數字金融對融資約束程度高的企業資本勞動比的提升作用更大。企業面臨的融資約束程度越高，數字金融對其融資約束的緩解效應越強，進而對其資本勞動比的提升作用更大。即數字金融能夠通過緩解融資約束促進企業資本勞動比的提升，由此證明了假設H2。

五、進一步研究：異質性分析

為進一步探討數字金融對企業資本勞動比的影響是否存在異質性，從數字金融結構、企業內部特征（規模大小、產權性質、要素密集度、生命周期階段）以及外部環境（區域位置、市場化水平）三個方面分析數字金融對企業資本勞動比的異質性影響。

（一）數字金融結構的異質性影響

為了進一步考察數字金融不同維度對企業資本勞動比的影響，將數字金融覆蓋廣度（[Cover]）、使用深度（[Use]）和數字化程度（[Dig]）三個次級維度的分指數分別納入基準回歸方程式（1）中，回歸結果如表7所示。結果顯示，數字金融覆蓋廣度對企業資本勞動比的影響在1%的水平上顯著為正，使用程度估計系數為正，但不顯著，說明數字金融覆蓋廣度能夠顯著提升企業資本勞動比，使用程度的影響不顯著。可能的原因在于數字金融發揮特有優勢，拓展金融服務邊界，降低交易成本，提高金融服務效率，緩解企業融資約束，提升企業資本勞動比；非金融企業“脫實向虛”使得數字金融使用深度對企業資本勞動比的提升作用不顯著。數字化程度對企業資本勞動比影響的一次項系數在1%的水平上顯著為負，嘗試加入數字化程度二次項后，其估計系數在1%的水平上顯著為正，表明數字金融數字化程度對企業資本勞動比的影響呈顯著的正“U”型曲線。當地區的數字基礎設施水平與數字化服務匹配度較低時，數字鴻溝會加劇金融資源錯配，不利于企業資本勞動比的提升。但隨著數字經濟的發展，數字基礎設施建設不斷完善，數字金融數字化程度的作用得以發揮。

（二）企業特征異質性

1.規模大小

企業規模大小體現了企業的資金實力，為探究數字金融對不同規模企業資本勞動比的異質性影響，參考張杰等[5]的研究，按照企業總資產規模大小是否小于均值，將樣本企業劃分為小規模企業和大規模企業兩個組別，并進行分組回歸，結果如表8列（1）和列（2）所示。結果顯示，數字金融對小規模企業資本勞動比的系數在1%的顯著性水平下顯著為正，對大規模企業的系數在10%的顯著性水平下顯著為正，且小規模企業系數大于大規模企業。這說明，數字金融對資本上處于劣勢的小規模企業資本勞動比的正向影響比大規模企業更大。原因可能在于小規模企業相較于大規模企業來說，信息透明度較差，貸款成本更高，所面臨的融資約束程度更嚴重，更依賴于金融科技服務來解決融資難、降低交易成本、提高運營效率等方面有關。

2.產權性質

在我國，不同產權性質的企業所處的融資環境以及面臨的融資約束差異較大，因此數字金融對不同產權性質企業資本勞動比的影響可能有所差異。對此，將全部樣本按照企業產權性質劃分為民營企業和國有企業兩個組別，并進行分組回歸，結果如表8列（3）和列（4）所示。結果表明，數字金融對不同產權性質企業資本勞動比的估計系數均顯著為正，其中，非國有企業數字金融的回歸系數顯著大于國有企業，表明數字金融的發展對不同產權性質企業資本勞動比均存在顯著正向影響，且相較于國有企業，數字金融的發展對非國有企業資本勞動比的促進作用更明顯。原因可能在于國有企業性質的特殊使得其在融資方面相較于非國有企業具有較大優勢，能夠獲得充足的金融資源，使得數字金融通過緩解融資約束促進國有企業資本勞動比提升的邊際效用較小。而非國有企業在金融市場中處于不利地位，面臨著較強的融資約束問題，數字金融能夠有效緩解信息不對稱問題，優化金融環境，破解傳統金融市場屬性錯配問題，因此對非國有企業資本勞動比提升的邊際效用更大。

3.要素密集度

由于生產技術和要素密集度不同，不同行業間的資本勞動比差異較大。參考魯桐和黨印[31]的研究，將樣本公司所屬行業按照要素密集度劃分為勞動密集型與非勞動密集型，以此檢驗數字金融對不同行業企業資本勞動比的影響是否存在差異，行業異質性回歸結果如表9列（1）和列（2）所示。結果顯示，數字金融對勞動密集型行業企業資本勞動比的估計系數顯著為正，對非勞動密集型行業企業的估計系數為正，但不顯著，表明數字金融的發展能夠顯著促進勞動密集型行業企業資本勞動比的提升。原因可能在于數字金融能夠緩解企業面臨的融資約束問題，提高企業外部資金可得性，增強企業購置大型固定資產以規避勞動力成本上升問題的能力，從而提升其資本勞動比。

4.生命周期階段

參考黃宏斌等[32]的研究，使用現金流模式法根據企業生命周期階段將樣本企業劃分為非衰退期與衰退期兩個組別，并進行分組回歸，結果如表9列（3）和列（4）所示。結果顯示，數字金融對非衰退期企業資本勞動比的估計系數顯著為正，對衰退期企業的估計系數為正，但不顯著，這表明數字金融的發展能夠顯著促進非衰退期企業資本勞動比的提升。原因可能在于非衰退期企業相對于衰退期企業來說，發展潛力較強，但間接融資的成本較高，直接融資的體量較小，致使其從市場中所能獲取到的金融資源相對有限。數字金融的發展能有效拓寬金融服務邊界，降低服務門檻與融資成本，對非衰退期企業產生邊際效應更強的融資約束緩解效應，從而更顯著地提升其資本勞動比。

（三）外部環境異質性

1.區域位置

考慮到我國各地區之間的經濟發展水平與企業發展環境差異較大，將樣本企業按照所屬省份劃分為東部和中西部地區兩個組別，并進行分組回歸，以考察數字金融對企業資本勞動比的提升作用是否存在區域異質性，回歸結果如表10列（1）和列（2）所示。結果顯示，數字金融對東部地區企業資本勞動比的估計系數顯著為正，對中西部地區企業資本勞動比的估計系數為正，但不顯著，表明數字金融能夠顯著促進東部地區企業資本勞動比的提升，而對中西部地區企業資本勞動比的提升作用不顯著。原因可能在于，東部地區經濟發展水平較高，數字基礎設施相對完善，數字金融發展水平較高，為數字金融促進企業資本勞動比的提升奠定了良好的基礎；而中西部地區經濟發展水平相對較低，數字基礎設施水平相對薄弱，數字技術與金融業融合發展水平較低，以致數字金融對中西部地區企業資本勞動比的促進作用尚不顯著。

2.市場化程度

參考李小玲等[33]的研究，以市場化水平年度均值為標準將樣本劃分為市場化水平低和市場化水平高的兩個組別，并進行分組回歸，結果如表10列（3）和列（4）所示。結果顯示，數字金融對市場化水平高的地區企業資本勞動比的估計系數顯著為正，對市場化水平較低地區的估計系數為正，但不顯著，表明數字金融對市場化水平較高地區的企業資本勞動比的促進作用更強。原因可能在于市場化水平較高的地區制度環境較好，有助于數字金融對企業資本勞動比促進作用的發揮；而市場化水平較低的地區的金融發展水平相對較低，數字技術與傳統金融的融合發展程度較低，限制了數字金融對企業資本勞動比促進作用的發揮。

六、結論與建議

（一）主要結論

本文選取2011—2021年中國滬深兩市A股上市企業為樣本，考察了數字金融發展對企業資本勞動比的影響。研究發現，數字金融發展通過緩解企業的融資約束提升了企業資本勞動比，且不同次級維度的影響不完全一致，上述影響主要來自于數字金融覆蓋廣度和數字化程度。同時還發現，上述影響存在異質性，從企業內部特征來看，數字金融對小規模企業、非國有企業、勞動密集型行業企業以及非衰退期企業資本勞動比提升的促進作用更明顯；從企業外部環境來看，數字金融對東部地區以及市場化水平較高地區企業資本勞動比提升的促進作用更強。

（二）政策建議

1.優化數字金融發展環境

數字金融依托數字技術的發展，信息基礎設施建設是保障數字金融服務的基石，是數字金融提升企業資本勞動比的基礎保障。首先，要加強數字金融基礎設施建設。相關配套政策應以新型基礎設施建設為導向，特別是針對中西部地區，優先推進信息網絡、大數據平臺等數字基礎設施建設，為數字金融的深化發展提供保障。在政策制定方面應予中西部地區數字金融發展更多的政策傾斜，如持續深入實施“東數西算”工程。其次，鼓勵金融機構創新數字金融產品和服務，降低企業融資成本，提高金融服務質效。最后，應建立健全數字金融風險防控體系，加強對金融科技的監管，確保金融市場穩定。

2.引導企業利用數字金融提升資本勞動比

一方面，政府應支持企業通過數字金融渠道獲取資金，用于研發和創新，提升企業的核心競爭力。此外，加強對企業資本勞動比的監測和分析，更好地了解企業的經營狀況和發展趨勢，以為其提供有針對性的政策建議和指導。例如，政府可以根據企業的資本勞動比情況，調整稅收政策、產業政策等，以促進企業的發展。另一方面，企業應加大數字化轉型的投入，利用先進的信息技術，對生產流程進行優化，提升生產自動化和智能化水平。這將有助于提高勞動生產率，降低生產成本，從而提升企業的資本勞動比。同時，企業的數字化轉型也有助于提高其對市場變化的敏感度和應對能力，增強企業的競爭力。

3.營造公平競爭的市場環境促進企業健康發展

一方面，進一步深化國有企業改革，推動非國有企業參與市場競爭，增加市場主體的多樣性，提升市場公平競爭環境，從而激發企業的活力，提高整體市場的效率。另一方面，加強對企業外部環境的監測和評估，為政策制定提供科學依據，進而促進企業健康發展。通過建立和完善監測和評估體系，精準把握市場動態，制定出更加符合市場規律和企業需求的政策，從而推動企業的持續健康發展。

參考文獻：

[1]唐玨，封進.社會保險繳費對企業資本勞動比的影響——以21世紀初省級養老保險征收機構變更為例[J].經濟研究，2019，54（11）：87-101.

[2]劉啟仁，趙燦.稅收政策激勵與企業人力資本升級[J].經濟研究，2020，55（04）：70-85.

[3]李建強，趙西亮.固定資產加速折舊政策與企業資本勞動比[J].財貿經濟，2021，42（04）：67-82.

[4]趙瑞瑞，張玉明，劉嘉惠.金融科技與企業投資行為研究——基于融資約束的影響機制[J].管理評論，2021，33（11）：312-323.

[5]張杰，鄭文平，翟福昕.融資約束影響企業資本勞動比嗎？——中國的經驗證據[J].經濟學（季刊），2016，15（03）：1029-1056.

[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），2018，17（04）：1489-1502.

[7]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），2020，19（04）：1401-1418.

[8]李梁，殷鳳春.數字普惠金融、融資約束與中小企業投資效率[J].科學管理研究，2024，42（01）：106-114.

[9]呂太升，王玲莉，唐勇.數字普惠金融賦能企業高質量發展：理論機制與經驗證據[J].武漢金融，2023（06）：3-13.

[10]封思賢，郭仁靜.數字金融、銀行競爭與銀行效率[J].改革，2019（11）：75-89.

[11]ZUO L H，LI H C，XIA X X.An empirical analysis of the impact of digital finance on the efficiency of commercial banks[J].Sustainability，2023，15（5）：4667-4667.

[12]安強身，白璐.數字金融發展與居民家庭金融資產配置——基于CHFS（2019）調查數據的實證研究[J].經濟問題，2022（10）：51-60.

[13]WANG J C，ZHANG D H，WANG Z R.Digital finance，stock market participation and asset allocation of Chinese households[J].Applied Economics Letters，2023，30（14）：1870-1873.

[14]唐勇，呂太升.數字普惠金融能提升農業全要素生產率嗎？[J].哈爾濱商業大學學報（社會科學版），2023（03）：3-18.

[15]LI H Q，LIN Q N，WANG Y，et al. Can digital finance improve China’s agricultural green total factor productivity？[J].Agriculture，2023，13（7）：1-19.

[16]李曉龍，冉光和.數字金融發展、資本配置效率與產業結構升級[J].西南民族大學學報（人文社會科學版），2021，42（07）：152-162.

[17]王博，歐陽日輝，康琦.中國數字金融研究進展[J].農村金融研究，2024（01）：3-14.

[18]鄺玉珍，李秉成.銀行業競爭與企業資本勞動比[J].國際金融研究，2021（05）：55-64.

[19]楊來峰，賴少杰.稅收征管數字化推動了資本深化嗎？——基于金稅三期準自然實驗的分析[J].審計與經濟研究，2023，38（06）：97-105.

[20]任健華，雷宏振.數字普惠金融、資本深化與農業全要素生產率[J].社會科學家，2022（06）：86-95.

[21]鄭明貴，董娟，鐘昌標.資本深化對中國資源型企業全要素生產率的影響[J].資源科學，2022，44（03）：536-553.

[22]王文春，殷華，宮汝凱.最低工資標準提高對企業資本勞動比的影響研究[J].金融研究，2022（01）：95-114.

[23]李建強，趙西亮.固定資產加速折舊政策與企業資本勞動比[J].財貿經濟，2021，42（04）：67-82.

[24]SPALIARA M E.Do financial factors affect the capital-labour ratio？ Evidence from UK firm-level data[J].Journal of Banking and Finance，2009，33（10）：1932-1947.

[25]寧光杰，張雪凱.勞動力流轉與資本深化——當前中國企業機器替代勞動的新解釋[J].中國工業經濟，2021（06）：42-60.

[26]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（01）：71-83.

[27]任曉怡.數字普惠金融發展能否緩解企業融資約束[J].現代經濟探討，2020（10）：65-75.

[28]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（04）：1557-1580.

[29]汪亞楠，譚卓鴻，鄭樂凱.數字普惠金融對社會保障的影響研究[J].數量經濟技術經濟研究，2020，37（07）：92-112.

[30]劉長庚，王宇航，張磊.數字普惠金融提高了勞動收入份額嗎？[J].經濟科學，2022（03）：143-154.

[31]魯桐，黨印.公司治理與技術創新：分行業比較[J].經濟研究，2014，49（06）：115-128.

[32]黃宏斌，翟淑萍，陳靜楠.企業生命周期、融資方式與融資約束——基于投資者情緒調節效應的研究[J].金融研究，2016（07）：96-112.

[33]李小玲，崔淑琳，賴曉冰.數字金融能否提升上市企業價值？——理論機制分析與實證檢驗[J].現代財經（天津財經大學學報），2020，40（09）：83-95.

責任編輯：李黎

On Digital Finance， Financing Constraints and Firms’ Capital-Labor Ratio

1，2Tang Yong" "1Wang Rong" "1Lv Taisheng

（1College of Economy and Management， Shihezi University， Shihezi 832000， China;

2XPCC Financial Development Research Center of Shihezi University， Shihezi 832000，" China）

Abstract： This paper takes China’s Shanghai and Shenzhen A-share listed enterprises from 2011 to 2021 as research samples， and deeply analyzes the impact， mechanism and heterogeneity of digital finance on enterprises’ capital-labor ratio. The study found that digital finance can significantly improve the capital-labor ratio of enterprises. Mechanism analysis found that digital finance effectively improves the capital-labor ratio of enterprises by easing financing constraints. Heterogeneity test shows that the impact of digital finance on capital-labor ratio of enterprises is heterogeneous due to differences in digital finance structure， internal characteristics of enterprises and external environment. Specifically， the coverage breadth of digital finance can significantly improve the capital-labor ratio of enterprises， while the impact of digitalization degree on the capital-labor ratio of enterprises shows a significant positive “U” curve， while the impact of use depth is not significant. Digital finance plays a significant role in promoting the capital-labor ratio of small-scale enterprises， non-state-owned enterprises， labor-intensive enterprises， enterprises in non-recession period， enterprises in the eastern region and enterprises in areas with higher marketization level. In this regard， suggestions are put forward to optimize the development environment of digital finance， guide enterprises to use digital finance to improve the ratio of capital to labor， and create a fair competition market environment to promote the healthy development of enterprises.

Key words： digital finance; capital-Labour ratio; financing constraints