數(shù)字金融發(fā)展對企業(yè)固定資產(chǎn)投資的影響研究

劉可馨 劉高生 趙靜文

（1.天津商業(yè)大學理學院 天津 300134；2.天津城建大學經(jīng)濟與管理學院 天津 300384）

指標選擇、數(shù)據(jù)來源及描述性統(tǒng)計

（一）指標選擇

為研究數(shù)字金融發(fā)展對企業(yè)固定資產(chǎn)投資的影響，以企業(yè)固定資產(chǎn)投資為因變量，以數(shù)字金融發(fā)展作為核心自變量，同時引入控制變量進行實證分析。基于此，因變量指標為企業(yè)固定資產(chǎn)投資（Fix_inv），等于固定資產(chǎn)與在建工程之和的變化值與總資產(chǎn)之比。核心自變量為數(shù)字金融發(fā)展水平（DigFin）指標，采用北京大學普惠數(shù)字金融指數(shù)省級層面指數(shù)來表示。控制變量方面，參考戰(zhàn)明華等（2020）、劉海明和李明明（2020）的研究，選擇的控制變量依次為：企業(yè)規(guī)模（size），以總資產(chǎn)的自然對數(shù)表示；企業(yè)資產(chǎn)負債率（lev），以總負債占總資產(chǎn)的比重表示；資產(chǎn)收益率（ROA），以公司凈利潤與總資產(chǎn)之比表示；經(jīng)營性現(xiàn)金流（ CF），以經(jīng)營性現(xiàn)金流量凈額與總資產(chǎn)之比表示。

（二）數(shù)據(jù)來源及描述性統(tǒng)計

實證分析樣本選擇2011-2018年間A股上市公司的經(jīng)營活動相關的年度數(shù)據(jù)。全部數(shù)據(jù)來源于國泰安數(shù)據(jù)庫。數(shù)據(jù)剔除了ST、PT類公司和連續(xù)經(jīng)營時間不超過5年的上市公司，剔除樣本不連續(xù)和退市公司，剔除金融行業(yè)上市公司。為克服極端值的影響，對所有連續(xù)變量在1%分位和99%分位上進行縮尾處理，最終得到17024個樣本觀測值。表1給出了各自變量的描述性統(tǒng)計。

表1 自變量的描述性統(tǒng)計

?

由表1可知，自變量size、lev、ROA、CF 中位數(shù)與平均數(shù)相差不大，以上自變量為對稱分布，核心自變量DigFin中位數(shù)明顯小于平均數(shù)，該變量存在右偏。

實證分析

（一）多元線性回歸模型

為考察數(shù)字金融發(fā)展對企業(yè)固定資產(chǎn)投資的影響，以企業(yè)固定資產(chǎn)投資Fix_inv 為因變量，數(shù)字金融發(fā)展DigFin 作為核心自變量，企業(yè)規(guī)模size、企業(yè)資產(chǎn)負債率lev、資產(chǎn)收益率ROA、經(jīng)營性現(xiàn)金流CF 作為控制變量。同時為吸收相關固定效應，模型中還加入了時間效應。為考慮數(shù)字金融的非線性效應以及交叉乘積效應的影響，引入數(shù)字金融發(fā)展DigFin 與其他控制變量的交叉乘積效應，由于引入數(shù)字金融與其他控制變量間的乘積效應作為額外的自變量，導致自變量較多并且自變量間存在相關關系，首先采用Lasso變量選擇方法選擇自變量。Lasso變量選擇方法的主要優(yōu)勢在于對參數(shù)估計較小的自變量系數(shù)壓縮成零，對非零的自變量做篩選。Lasso回歸估計與調(diào)節(jié)參數(shù)λ有關，λ越小，懲罰力度越小，模型中保留的變量就會越多。通過對調(diào)節(jié)參數(shù)λ的控制，可以實現(xiàn)變量篩選。利用glmnet包中的cv.glmnet函數(shù)選擇最優(yōu)的調(diào)節(jié)參數(shù)。得到交叉乘積項自變量為：

然后通過計算如上的自變量之間的相關系數(shù)，發(fā)現(xiàn)有些變量之間仍有一定的相關性，因此為避免自變量相關性影響模型的估計，采用逐步回歸方法從這些選出的自變量中再次選擇變量，最后利用選出的自變量建立多元線性回歸模型如下：

其中，自變量系數(shù)α，α，…，α為待估計的參數(shù)，ε為誤差項。通過建立多元線性回歸模型，得到多元回歸系數(shù)估計結果如表2所示。

表2 多元線性回歸模型的回歸系數(shù)估計值

?

由表2可知，選擇的這些自變量對因變量企業(yè)固定資產(chǎn)投資的估計均是顯著的，其中資產(chǎn)收益率ROA對企業(yè)固定資產(chǎn)投資的影響為負，說明資產(chǎn)收益率越高，企業(yè)固定資產(chǎn)投資會減小。對企業(yè)固定資產(chǎn)投資影響最大的因素為經(jīng)營性現(xiàn)金流，并且是正影響。企業(yè)規(guī)模對企業(yè)固定資產(chǎn)投資的影響最小，并且企業(yè)規(guī)模因素對應系數(shù)估計的P值可得企業(yè)規(guī)模對企業(yè)固定資產(chǎn)投資影響系數(shù)不是特別顯著。由于模型中存在數(shù)字金融的平方項以及數(shù)字金融與企業(yè)資產(chǎn)負債率的乘積項，并且這兩項系數(shù)均為負值，從二次函數(shù)的角度看，數(shù)字金融發(fā)展對企業(yè)固定資產(chǎn)投資的影響大致呈倒U型關系，同時數(shù)字金融發(fā)展可以通過影響企業(yè)資產(chǎn)負債率對企業(yè)固定資產(chǎn)投資產(chǎn)生影響。

由于多元線性回歸模型得到的殘差有一些異常值，并且殘差的分布并不是對稱分布，因此通過對多元線性回歸模型擬合的殘差進行KS正態(tài)分布檢驗，得到檢驗的P值遠小于給定的顯著性水平0.05，因此認為殘差不服從正態(tài)分布。

（二）分位數(shù)回歸模型

由于多元線性回歸模型得到的殘差具有一些異常值并且不服從正態(tài)分布，因此考慮更加穩(wěn)健的分位數(shù)回歸模型。考慮給定分位數(shù)水平τ∈（0，1） 下，建立如下的數(shù)字金融發(fā)展對企業(yè)固定資產(chǎn)投資影響的分位數(shù)回歸模型：

其中，自變量系數(shù)α（τ），α（τ），…，α（τ） 表示分位水平τ下待估計參數(shù)，隨機誤差項ε(τ)，其第τ個條件分位數(shù)為零。本文選擇有代表性的3個分位點0.25、0.5、0.75進行分析，分位數(shù)回歸模型系數(shù)估計值如表3-表5所示。

表3 0.25分位數(shù)下分位數(shù)回歸模型的系數(shù)估計

?

表4 0.5分位數(shù)下分位數(shù)回歸模型的系數(shù)估計

?

表5 0.75分位數(shù)下分位數(shù)回歸模型的系數(shù)估計

?

由表3-表5可得，在不同的分位數(shù)水平下，數(shù)字金融發(fā)展對企業(yè)固定資產(chǎn)投資的影響不同。總體來講，隨著分位數(shù)水平的增加，數(shù)字金融發(fā)展對企業(yè)固定資產(chǎn)投資的影響呈增加趨勢。

當分位數(shù)水平為0.25時，數(shù)字金融與企業(yè)資產(chǎn)負債率的乘積項對應的系數(shù)P值大于0.05，因此此乘積項系數(shù)估計不顯著。同時經(jīng)營性現(xiàn)金流對企業(yè)固定資產(chǎn)投資影響為正，其他控制影響因素對企業(yè)固定資產(chǎn)投資的影響均為負，因此在較低的企業(yè)固定資產(chǎn)投資下，一些控制變量反而對企業(yè)固定資產(chǎn)投資呈現(xiàn)負的影響。

當分位數(shù)水平為0.5時，與普通的多元線性回歸相比，企業(yè)規(guī)模對企業(yè)固定資產(chǎn)投資為負，即隨著企業(yè)規(guī)模的增加，企業(yè)固定資產(chǎn)投資會減少。此時，數(shù)字金融與企業(yè)資產(chǎn)負債率的乘積項比分位數(shù)為0.25的條件下的估計系數(shù)顯著。

當分位數(shù)水平為0.75時，數(shù)字金融與企業(yè)資產(chǎn)負債率的乘積項對應的系數(shù)很顯著，因此隨著分位數(shù)水平的增加，數(shù)字金融發(fā)展更多通過企業(yè)資產(chǎn)負債率影響企業(yè)的固定資產(chǎn)投資。

對策建議

根據(jù)研究結果，本文提出促進數(shù)字金融發(fā)展服務實體經(jīng)濟的建議：

第一，在數(shù)字金融發(fā)展初期，數(shù)字金融對不同規(guī)模企業(yè)的固定資產(chǎn)投資都有一定的促進作用，但是隨著數(shù)字金融發(fā)展程度的加深，數(shù)字金融對固定資產(chǎn)投資開始反向作用，因此在數(shù)字金融發(fā)展初期，鼓勵讓更多的企業(yè)都能夠享受到數(shù)字金融發(fā)展帶來的紅利，而在數(shù)字金融發(fā)展到一定程度時，政府應該盡量規(guī)避資金脫實向虛，避免數(shù)字金融向不規(guī)范及不合理的領域發(fā)展。

第二，根據(jù)分位數(shù)回歸估計結果可知，不同投資規(guī)模的企業(yè)受到的數(shù)字金融發(fā)展的影響程度不同，因此政府監(jiān)管部門在進行數(shù)字金融基礎設施建設推廣時，應該差異化對待不同固定資產(chǎn)投資規(guī)模的企業(yè)。