數字金融對民營企業融資約束的影響研究

李和芊

(西華大學經濟學院 四川成都 610039)

1 引言

民營企業是推動社會經濟發展的重要力量，在穩增長、促創新、保就業、改民生等方面發揮了重要作用。中國政府網數據顯示，2022年上半年民營企業進出口增長13.6%，占進出口總額近五成；規模以上民營企業實現利潤總額超11000億元，占總利潤的近三成；固定資產投資153074億元，占全國固定資產投資的近六成。但民營經濟的高速發展也伴隨著許多約束，其中融資約束是阻礙民營企業發展的關鍵因素，融資約束主要表現為外部信貸融資約束。資本市場不完善、所有制歧視、信息不對稱、融資成本過高是造成企業外部融資約束的主要原因[1]。民營企業的融資約束主要是由信息成本、代理問題和違約風險造成的。相比于承擔了改善民生、保障就業等社會角色的國有企業，民營企業因其戰略目標和所有權結構差異而具有比國有企業更高的外部融資約束[2]。

隨著數字科技的快速發展，數字金融應運而生并展現出強大的普惠效果。有學者研究表明，數字金融在緩解企業融資約束方面具有重要意義。但已有研究多集中于數字金融對中小企業融資約束問題的緩解作用，鮮有文章專門研究數字金融對民營企業融資約束問題的緩解作用。因此，本文重點研究數字金融對民營企業融資約束問題的緩解作用。

2 文獻綜述與研究假設

2.1 數字金融與民營企業融資約束

已有研究認為，數字金融主要通過以下兩個方面緩解企業融資約束：第一，數字金融通過提高金融服務覆蓋率、可及性和滿意度滿足企業融資需求。陳旭(2022)等認為，數字金融正向拉動了民營小微企業的短期融資[3]；解維敏等(2021)研究發現，數字金融補足了傳統金融服務的短板，重點服務于被傳統金融忽視的弱“長尾”群體，拓寬了資金來源，金融機構資金獲取能力提高，使得民營企業有了更充足的資金支持[4]。第二，數字金融通過拓寬融資渠道、提高融資效率、降低融資交易成本等來緩解企業融資約束。任曉怡(2020)認為，數字金融通過優化企業融資結構和企業現金流、降低企業融資費用和杠桿率來緩解融資約束[5]；王澎涵等(2022)認為，數字金融通過抑制影子銀行業務、提升企業信息披露程度、降低金融機構監管成本、優化金融資源配置來緩解“規模歧視”和“所有制歧視”造成的金融錯配從而降低企業杠桿率[6]。

基于上述分析，本文提出如下假設：

H1：在其他條件不變的情況下，數字金融能夠有效緩解民營企業的融資約束。

2.2 數字金融與不同屬性民營企業的融資約束

傳統金融體系在金融資源分配上存在顯著的結構性問題，導致金融資源出現“領域錯配”問題，使得高新技術企業面臨著更大的融資約束[7]。高新技術企業作為技術和知識均密集的企業，具有更為密集的R&D活動，有著更強的資金需求，靠民營企業內部融資往往難以滿足巨大的資金需求，因此具有較強的外部融資需求。但R&D活動所具有的高調整成本、高度不確定性、高度信息不對稱、缺乏抵押價值和長周期、持續性的特征，使得R&D活動融資較一般融資更為困難。以信息技術為支撐的數字金融通過數字化信息降低了金融服務門檻，創新了融資成本，放松了企業的財務約束，優化了創新融資效率，促進了高新技術企業技術創新[8]。

基于以上分析，本文提出如下假設：

H2：在其他條件不變的情況下，數字金融緩解高新技術民營企業融資約束問題的效果更為顯著。

3 實證研究設計

3.1 數據來源與樣本選擇

本文以2011—2020年上市民營企業為研究樣本，民營上市公司財務報表數據和高新技術企業名錄均來自CSMAR數據庫，數字金融數據來自北京大學數字普惠金融指數[9]。在進行回歸分析之前，本文借鑒已有研究對樣本進行如下篩選：(1)剔除所有金融類企業；(2)剔除ST、*ST、SST和期間退市的企業；(3)剔除主要變量缺失數據的樣本；(4)剔除數據連續年數少于5年的樣本；(5)針對所有連續變量進行1%和99%的縮尾處理以消除極端值影響。經過以上處理，最終得到13650個樣本。

3.2 模型設定和變量說明

本文采用現金－現金流敏感性模型度量融資約束?，F金－現金流敏感性基準模型如式(1)所示：

式(1)中：ΔCASSHi,t為企業現金及現金等價物變化量，CFi,t是企業經營現金流量，控制變量包括企業規模(Size)、資產負債率(LEV)、主營業務增長率(GRO)、企業年齡(AGE)、資產收益率(ROA)，εi,t為誤差擾動項。其中，企業規模和企業年齡均進行了對數化處理。

為研究數字金融對民營企業融資約束的影響，本文將數字金融指數與企業現金流量的交乘項(DIFI×CF)引入模型中，構建出模型(2)：

為解決數字金融指數較其他指標數值過大的問題，本文將數字普惠金融指數除以100。

4 實證結果與分析

4.1 描述性統計分析

描述性統計分析結果如表1所示。從表1可以看出，樣本間企業現金及現金等價物變化額和企業經營性現金流具有較大差異，而且數字金融發展在各地級市之間存在較大差異。

表1 描述性統計分析結果

4.2 數字金融與民營企業融資約束

根據Hausman檢驗結果，本文使用固定效應檢驗數字金融對民營企業融資約束的影響，回歸結果如表2所示。從表2可知，我國民營企業存在著融資約束問題，但數字金融降低了民營企業現金-現金流敏感性，緩解了民營企業融資約束問題，能夠在一定程度上解決“所有制”歧視問題。

表2 數字金融與民營企業融資約束面板固定效應回歸結果

為了深入研究數字金融對民營企業融資約束的緩解作用，本文分別將覆蓋廣度指數與企業現金流交乘項(DCB×CF)、使用深度指數與企業現金流交乘項(DUD×CF)、數字化程度指數與企業現金流交乘項(DDL×CF)作為解釋變量加入方程(2)中，結果如表2中(3)至(5)列所示，其結果進一步說明了我國民營企業存在著融資約束問題。從表2中列(3)到(5)的回歸結果可以看出，數字金融三個維度均能緩解民營企業的融資約束問題。其中，對民營企業融資約束的緩解效果使用深度維度最優，數字化程度維度次之，覆蓋廣度維度最劣。

4.3 數字金融對民營企業融資約束影響的異質性分析

為驗證假設2，本文根據國泰安數據庫上市公司資質認定信息文件，將2011—2020年認定為高新技術企業的民營企業賦值為1，否則為0。實證結果顯示，高新技術企業和非高新技術企業的企業經營性現金流量回歸系數分別為0.735和0.459，而且在統計學上顯著，說明高新技術企業融資約束問題更為嚴重。高新技術民營企業數字金融指數與現金流量交互項系數為-0.063，而且在統計學上顯著，而非高新技術民營企業系數為-0.031，說明數字金融更能緩解高新技術企業的融資約束，能夠在一定程度上緩解“領域錯配”問題，假設2得以成立。

4.4 穩健性分析

本文將衡量企業融資約束的指標從前文的現金－現金流敏感度模型轉換成SA指數，進行穩健性檢驗。SA指數的計算式為：

計算后所得的SA取絕對值，絕對值越大表明企業受到的融資約束越大。回歸結果表明，數字金融能夠緩解企業融資約束，而且數字金融會對高新技術企業融資約束起到更好的緩解作用。回歸結果與異質性檢驗結果與上文保持一致，說明以上實證結果是穩健的。

5 結語

實證研究表明，我國大多數民營企業都存在融資約束問題，數字金融能夠有效緩解民營企業融資約束，而且其緩解作用對于高新技術民營企業更為顯著。數字金融對民營企業融資約束的緩解作用主要體現在使用深度維度和數字化程度維度，從這兩個維度緩解民營企業融資約束要比從覆蓋度廣度維度緩解民營企業融資約束更為顯著。因此，不僅要大力推廣數字金融，增加數字金融數量，更要提高數字金融質量，深化數字金融服務便利性。針對上述結論，本文提出以下政策建議：

第一，優化數字金融技術，加快建設數字金融基礎設施，推動數字金融高質量發展。深入推動“大智移云區”等先進互聯網數字技術在金融領域的創新賦能作用，提高數字金融可獲得性，補齊金融服務短板。健全支付體系、征信體系、擔保體系等數字金融基礎設施建設，進一步完善數字金融征信系統和信息系統，推進涉企信用信息整合共享。

第二，建立健全數字金融風險防控體系。明確各類金融機構監管界限，制定數字金融跨行業、跨境監管統一標準，構建完善、協同合作、分工明確的數字金融服務網絡，防范信息泄露風險和用戶隱私泄露風險。