數字金融與中小企業融資效率

趙晨旭 邢 飛 常宇嫣

（1.中南財經政法大學金融學院，湖北 武漢 430000；2.安徽師范大學法學院，安徽 蕪湖 241000）

一、前言

如今，中國的經濟發展面臨著諸多難題，其中最為突出的是中小企業的融資難問題。中小企業的發展進步對于提升中國經濟水平至關重要，但傳統金融理念“趨利避險”“崇富仇貧”，在短期內根本無法緩解和解決中小企業融資難的問題。近年來，隨著互聯網快速發展，數字金融借助計算機的信息處理等一系列技術的發展在金融這塊領域的應用，增加信息的傳遞溝通，有著有效緩解中小企業融資所面臨的信息不對稱問題的作用，風險成本和融資成本有所下降。那么，數字金融的快速發展是否對中小企業融資有著積極作用呢？

數字金融的出現為解決中小企業融資問題帶來了新想法、新思路，學者們開始關注數字金融與中小企業融資之間的關聯、影響。大多數文獻主要將數字金融與互聯網結合在一起，研究其對中小企業融資效率的影響，謝平（2012）、黃益平（2016）、郭峰等（2016）基于不同角度，證明互聯網發展會推動信息傳遞、大數據、云計算等技術發展，降低金融成本，對數字金融的發展有著積極的促進作用。解傳喜等（2015）基于國際視角，認為數字普惠金融可以從金融創新、金融體系、政府干預三個方面有效緩解中小企業融資困難的問題。鄭志來（2014）基于大數據等相關數字技術的優勢，認為中小企業信息數據庫和服務體系將更為完善，可以緩解信息不對稱問題，提高融資效率。

綜上，基于以上的研究，筆者將進一步考慮國內互聯網普及率及數據可得性問題，運用系統GMM模型分析數字金融發展與中小企業融資之間的關系，以及通過異質性分析，進一步研究數字金融發展對于不同地區中小企業融資效率的影響程度。

二、理論分析與假設提出

1.數字金融發展與中小企業融資

數字金融主要通過數字技術幫助難以或無法享受金融服務的群體獲得正規金融服務，是一種新型金融模式。隨著互聯網大數據、人工智能等技術迅速發展，數字金融拓寬了金融服務范圍，打破了諸多傳統限制；與此同時，機構收集信息變得高效，降低了機構與中小企業之間的信息不對稱，使中小企業更容易獲得融資。

基于以上分析，提出假設H1。

H1：數字金融發展可以緩解中小企業融資約束，提高融資效率，以此促進經濟發展。

2.數字金融發展與不同地區的中小企業融資

在我國，不同地區的經濟發展水平和發展速度存在著較大差異，造成金融資源在配置過程中失衡，經濟水平相對高的地區各方面投入會更大，發展會更快。并且，大部分的金融機構在選擇時，也會傾向于經濟水平較高的地區，避免將分支機構設立在不發達地區。

基于以上原因，提出假設H2。

H2：數字金融發展對不同地區中小企業融資的影響程度不同，具體表現為東大西小。

三、數據來源、變量設定和模型建立

1.數據來源

（1）互聯網發展指數

已發表文獻中有關互聯網指數的建立主要是通過每百人使用互聯網人數或者更為復雜的數據構建。而本文通過在中國互聯網絡信息中心（CNNIC）上的《中國互聯網絡發展狀況統計報告》（第35、39、43、44、46次等），從互聯網人數規模、網絡基礎設施建設、網絡使用及發展、網絡安全和政務發展等五個角度出發，得出的2012年～2020年中國互聯網普及率為互聯網發展基本指數（以2020年6月的互聯網普及率代表全年）。得出的指數如表1所示。

表1 互聯網發展指數

（2）中小企業數據來源

中小企業的數據都是從國泰安CSMAR數據庫中的中小企業板選取的中小上市企業數據，選取的樣本區間為2012年～2020年。對初始的樣本進行如下篩選：①根據證監會2012年行業分類，除去金融類公司；②去除標記*ST，ST，PT，以及資產負債率大于1的企業；③財務報表沒有數據或有數據不正常的企業。最后整理出的數據是包含832家中小企業構成的非平衡面板數據，采用Winsorize法對數據進行1%的縮微處理。

2.變量設定與模型建立

在曾輝等（2005）的研究中，使用凈資產收益率來表示中小企業融資效率。國內對于影響中小企業融資效率的相關因素有著完善的研究，認為主要有資本結構、金融穩定性、股權集中程度等因素。因此，控制變量主要設定控制以下因素：年度、股權集中程度、營業收入、經營狀況、資產負債率、資產有形狀況。

在設定模型上，中小企業融資具有動態可持續性的特點，普通面板模型回歸會造成估計偏差，應設定采用動態面板模型檢驗數字金融發展對中小企業融資效率的影響。此外，包含因變量滯后項可能會導致內生性問題。因此，本文將使用系統GMM方法對模型進行估計，減輕相關影響，接著通過將混合OLS回歸的估計結果、面板固定效應（FE）的估計結果和系統GMM估計得出的結果相對比，檢驗系統GMM估計結果的有效性和可靠性。具體構建模型如下：

其中：roe表示中小企業融資效率，iner代表互聯網發展指數即衡量數字金融發展質量，C為控制變量，ε為干擾項，t代表當年，t-1代表該年上一年滯后值，i表示中小企業。變量具體詳述如表2所示。

表2 變量詳述

對回歸檢驗中涉及的主要變量進行描述性統計，結果如表3所示。

表3 描述性統計

四、實證的結果與分析

1.數字金融發展對中小企業融資效率影響的估計結果

建立的模型中，解釋變量中有著被解釋變量的滯后值，所以本文將通過SYSGMM估計法對模型進行估計，對減輕解釋變量的內生性問題和整個模型可能會有的異方差問題等有著更好的效果?；旌螼LS估計和FE估計需要假設解釋變量與擾動項之間的協方差為零，沒有異方差的問題，在現實中一般都很難完全成立，所以通過這些方法得出的結果可能有偏和不一致。基于這些原因，本文將會對模型同時進行了混合OLS估計、FE估計以及加入時間效應后的雙向固定效應估計，并列表進行系數對比。

混合OLS估計誤差較大，效果不是很明顯。根據FE估計和雙向固定效應估計所得的結果中看，上一期融資效率對當期融資效率有著負向的影響作用，這顯然不太現實。由于采用的是系統GMM模型，需要考慮過度識別和序列相關等問題，檢驗后，AR（2）等于0.344，sargan檢驗的p值等于0.1828，所以可以接受原假設，認為沒有序列相關、過度識別等問題，模型的構造是合理的。從表4第4列可知，變量iner即互聯網發展指數在1%的水平上顯著為正，這表明數字金融發展有助于促進中小企業融資，提高融資效率。假設H1得到驗證。

表4 主回歸結果

2.異質性分析

當考慮對不同地區的影響時，由于中西部地區的上市中小企業數量較少，為了使回歸結果更加有效顯著，更具說服力，所以將其放入同一個子樣本之中。所以本文將整個大樣本分成東部、中西部兩個子樣本，進行異質性分析。832家中小企業中東部地區有634家，中部公司有111家，西部有 87家。下面的表顯示對東部和中西部中小企業作為樣本一起進行系統GMM估計的結果，但可能由于數據異常或者缺失等問題，對中西部企業的估計結果并不是很顯著。最終的異質性分析結果對比如表5所示。

表5 異質性分析結果

表5中對東部地區中小企業融資效率的系統GMM估計顯示，iner的系數在1%水平上顯著，并且對中西部地區中小企業對估計中，iner的系數在10%的水平上顯著，表明數字金融發展對于所有地區的中小企業融資效率都有著正向作用，無論經濟水平高低。但根據表5兩列中iner的具體數值大小可以看出，對不同地區的中小企業融資效率，數字金融發展的影響表現為：東部＞中西部。其中可能由于每個地區的經濟水平都不太一致，數字金融發展改變融資的方式及程度也不同等，這些都可能造成數字金融發展對中小企業融資效率的影響結果存在一定的差異。假設H2得到驗證。

3.穩健性檢驗

需要對模型設立和估計結果進行相應的穩健性檢驗，本文從以下兩個方面進行檢驗。（1）因為中國是一個大國經濟，區域寬廣，每個地區經濟發展都有著不同的差異，因此剔除西藏、新疆、北京和上海等地中小企業的數據，重新進行上面的回歸過程。剔除后，從大樣本中得到722家中小企業的子樣本，仍為非平衡面板。（2）替換相關的控制變量，本文將前十大股東所占股權份額osc更換成第一大股東所占股權份額fir，將經營狀況per換成盈利能力abl[資產報酬率=（利潤總額+財務費用）/資產總額]，改變控制變量后，再進行以上的回歸過程。兩種方法的回歸結果與原實證結果均一致，證明了原實證結果和原模型的穩健性。

五、研究結論與政策建議

1.研究結論

本文選取了2012年～2020年中小板上市公司作為樣本數據，基于多種不同的估計方法，實證研究了數字金融發展與中小企業融資效率之間的關系，接著通過異質性分析研究了對于不同水平地區的中小企業，數字金融發展的影響程度是否存在差異。得出了如下的結論：（1）中小企業普遍存在著融資難、融資差的融資約束問題，而數字金融的發展將有助于緩解融資約束，使中小企業的融資效率提高；（2）與中西部地區中小企業相比，數字金融發展對東部中小企業的融資效率提高更為明顯一些。假設H1、H2得到驗證。

2.政策建議

隨著互聯網迅速發展，互聯網數字金融的快速發展也伴隨著一些風險問題和隱患，這都會使數字金融的作用相應地減弱一些。所以，本文提出一些政策建議：（1）制定相關法律法規，進行嚴格監管，加快金融市場與互聯網的合作，營造更好的數字金融大環境；（2）利用互聯網數字技術加快金融市場基礎設施建設，健全信息系統，增強信息的透明性；（3）遵循數字發展的規律，加大普惠金融，為中小企業提供更多、更全面的融資方式，推動整體經濟發展。