數字金融有助于企業結構性去杠桿么？

王金濤，岳 華

(華東師范大學經濟與管理學院，上海 200062)

2022年中央經濟工作會議和2023年《政府工作報告》均強調有效防范化解重大經濟金融風險。聚焦實體經濟領域，企業杠桿的結構性問題會加劇“債務—通縮”的惡性循環，是中國經濟轉型過程中亟需解決的重要問題。穩慎對待企業杠桿分化問題，以結構性去杠桿的思路來脫離“資產荒”與“資金荒”并存的困境，有助于緩解因金融資源錯配而引致整體債務高企與杠桿結構扭曲的現象，進而為防范化解重大經濟金融風險，實現經濟高質量發展提供鮮明證據。

通過大數據、云計算、人工智能等技術的賦能，數字金融為傳統金融發展模式所面臨的困境提供了“糾錯配”與“補短板”的可能性。相較于傳統金融，數字金融具有高覆蓋、低成本、方便快捷的優勢，能夠為排除在正規金融服務之外的企業拓寬融資渠道，緩解因融資約束而產生的杠桿扭曲現象。同時，數字金融能夠解決因信息不對稱而產生的高風險溢價和高運營成本的問題[1]。但數字金融本質上仍具有風險的順周期性和負外部性，尤其在技術與網絡等因素的作用下，金融風險的爆發率與沖擊性會大幅增加，甚至產生跨部門、行業、區域的交叉傳染[2]。更重要的是，數字金融具有數字化、智能化、動態化的特性，現行金融監管框架難以有效檢測此類創新活動，如果監管稍有錯位和疏漏，金融風險敞口就會擴大。鑒于此，細致梳理數字金融影響企業結構性去杠桿的內嵌理論邏輯，系統評估數字金融紓解企業結構性去杠桿的功效，對于深化金融供給側結構性改革，實現經濟高質量發展具有重要意義。

本文邊際貢獻主要在于：(1)在企業屬性與行業特征的情境下，綜合考量企業杠桿的結構性差異，將數字金融與企業結構性去杠桿置于統一研究框架內，在理論分析基礎上嵌入中介效應模型，厘清數字金融對企業結構性去杠桿的影響機制。(2)為數字金融糾正“屬性錯配”“領域錯配”“經營錯配”提供了證據。同時，嵌入金融監管元素，探討在不同金融監管強度下數字金融影響企業結構性去杠桿的異質性特征。通過多維度刻畫數字金融對企業結構性去杠桿的影響，有助于增強金融服務實體經濟的能力，從而為妥善處理好“穩增長”與“防風險”的平衡提供參考。

一、文獻綜述

本文從微觀和宏觀兩個層面梳理數字金融相關研究。微觀層面，學者們主要從家庭決策與企業行為的視角探究數字金融的經濟效應。在家庭方面，數字金融在促進居民家庭消費[3]、提高金融資產組合的有效性[4]、提高非正規就業者的收入[5]以及促進共同富裕[6]等方面發揮作用。在企業方面，學者們從數字金融促進企業創新[2]、提高中小企業融資可得性[7]、緩解企業投融資期限錯配[8]、抑制企業委托貸款[9]等方面展開研究。宏觀層面，數字金融有助于提高地方政府債務的融資效率[10]、提升勞動收入份額[11]，但會減弱財政支出效果[12]、削弱信貸渠道[13]、影響區域金融風險[14]。綜上，數字金融在家庭決策和企業行為方面發揮著積極作用，有助于優化資源配置與促進經濟包容性增長，但也因多重風險因素的疊加作用而對經濟運行的諸多方面存在不確定性影響。

關于去杠桿的研究，本文從三個視角對相關文獻進行梳理，以契合研究主題。一是杠桿率的測度。關于杠桿率的測度大致可以分為微觀杠桿率與宏觀杠桿率兩個方面，微觀杠桿率一般使用資產負債率來衡量，宏觀杠桿率則通常以債務占GDP的比重來測度。兩種方法均存在不妥之處，以資產負債率作為微觀杠桿率的度量方式未考慮企業杠桿的適度性，以債務占GDP比重衡量宏觀杠桿率則存在存量指標與流量指標混用、償債能力難以確定等問題[15]。二是去杠桿的方式。學者們從金融業開放[16]、銀行金融科技發展水平[17]、宏觀審慎政策[18]等方面對去杠桿展開研究。三是去杠桿的影響。現有研究從實體企業生產率[19]、企業金融資產配置[20]以及經濟高質量發展[21]等角度展開，結果表明去杠桿對經濟運行存在異質性影響，因此應以結構性去杠桿為基本思路，分類施策，有序實施去杠桿策略。

綜上可知，學者們對數字金融和去杠桿展開了豐富且詳實的研究，但現有研究仍存在可拓展的空間。其一，現有文獻在測度去杠桿時，多以資產負債率衡量企業杠桿水平，卻鮮有學者考慮企業杠桿的適度性，由此得出的結論可能有失偏頗。倘若考慮到企業屬性與行業特征所引致的杠桿率差異，或許能夠得到更具新穎性與針對性的研究結論。其二，整體杠桿率高企、杠桿結構扭曲與國內金融體系息息相關，在深化金融體系改革的背景下，數字金融作為一種新型金融業態，能否彌補傳統金融體系的短板并有效規避風險，進而實現結構性去杠桿的目標，現有研究對此關注不多。鑒于此，本文在衡量企業杠桿差異與過度負債的基礎上，聚焦數字金融與企業結構性去杠桿這一核心問題，從理論邏輯和實證分析出發，對機制檢驗與異質性特征展開全面探討，以期為數字金融發展和企業結構性去杠桿的政策制定提供有理有力之參考。

二、研究假設

在國內金融制度安排下，銀行在金融體系中占據主導地位。基于信息不對稱理論可知，銀行更傾向于將資金配置到抵押資產優質、違約風險低的企業，這導致部分企業因信貸歧視而存在“預算硬約束”。在套利動機的驅使下，具有融資優勢的企業憑借獲取的低成本資金開展影子銀行業務[22]，而存在融資劣勢的“長尾群體”則依賴多層嵌套的融資業務滿足資金需求。基于此，融資優勢的企業容易過度負債，融資劣勢的企業則需要承擔過高的融資成本。更重要的是，隨著金融抑制與信貸市場分割程度不斷加深，信貸資源配置的“馬太效應”愈發明顯，這會進一步加劇企業債務高企與杠桿結構性扭曲的境地。

數字金融為解決企業杠桿難題帶來了全新契機。首先，基于套利理論可知，憑借低成本的融資優勢，非金融企業能夠對信貸資源進行二次配置而獲利。數字金融的發展提高了中小企業金融服務的滲透度和普及性[23]，降低了企業對影子銀行融資渠道的需求，這有利于抑制非金融企業出于“市場套利動機”而開展影子銀行業務，降低自身過度負債的可能性。其次，可貸資金理論表明，利率由可貸資金的供求關系決定，當存在融資約束時，企業依賴非正規、高成本的融資渠道滿足融資需求。數字金融的發展能夠為“長尾群體”提供多元化的融資渠道，增加可貸資金供給，有利于降低企業融資成本和對高成本資金需求的意愿。再次，權衡理論表明，企業進行融資決策時，如果融資成本低于收益，企業傾向于提高負債以優化資本結構，直到融資成本與融資收益相等時達到最優資本結構。結合上述分析可知，隨著數字金融的發展，融資優勢企業會降低負債，融資劣勢企業則因獲得低成本的金融服務而存在加杠桿的空間，這有利于企業優化資本結構，實現結構性去杠桿的目的。綜上，結合套利理論、可貸資金理論以及權衡理論可知，數字金融有助于信貸資源精準配置到重點領域和關鍵環節，從而有助于優化信貸資源配置，有效緩解企業杠桿分化現象。有鑒于此，本文提出假設H1：數字金融有助于企業結構性去杠桿。

經典的MM理論認為，完美市場中沒有交易費用與稅收，內部資金和外部資金可以相互替代。然而，受到信息不對稱和委托代理等因素的影響，企業過度依賴內部資金，從而產生融資約束問題[24]，這會增加融資成本，引致杠桿扭曲。憑借大數據、云計算、人工智能等技術的賦能，數字金融有助于降低信息不對稱程度，緩解委托代理現象。首先，信息不對稱理論包括逆向選擇和道德風險兩個核心問題，尤其是逆向選擇問題，在信貸市場上，積極借款并愿意付出高成本的借款人通常是不能按時還款者。銀行更注重抵押物的價值與變現能力，因此部分發展前景好的企業也會因缺乏抵押物而無法獲得信貸資金。數字金融能夠對非結構化、非標準化的海量信息進行歸集、分類和解析，實現企業信用的透明化和信息化，從而緩解信息不對稱。其次，通過委托代理理論可知，委托人與代理人之間存在的利益沖突會增加代理成本。自由現金流假說能夠對此予以合理解釋，為改善個人福利，管理層傾向于提高在職消費以及選擇擴大企業規模的項目，這會過多占用自由現金流，引致企業過度負債，進而導致融資約束[25]。數字金融能夠降低信息成本，增強金融機構對企業的監督能力，緩解委托代理現象，從而降低企業融資約束。綜上，結合MM理論、信息不對稱理論和委托代理理論，本文提出假設H2：數字金融通過緩解融資約束促進企業結構性去杠桿。

金融摩擦理論表明，金融市場是存在缺陷的，交易成本、信息不對稱以及市場的不完全競爭等因素均會導致市場摩擦，提升融資成本。進一步，通過成本與收益理論可知，融資成本會形成對企業投資收益的“擠占效應”。當融資成本降低時，企業的盈余資金隨之增加，企業會有更多的資金用于債務償還，從而降低自身杠桿水平。數字金融的發展能夠從多個維度減少金融摩擦，降低融資成本，實現去杠桿的目的。從交易成本看，數字金融影響金融機構獲客、運營以及風控等業務全流程，以更為高效的方式降低交易成本[26]。同時，數字金融能夠為排除在正規金融體系之外的企業提供發票融資、供應鏈融資、貿易融資等融資模式，使企業獲得低成本、便捷化的金融服務。從信息不對稱的視角看，數字金融在信息整合方面存在天然優勢，通過構建可靠的征信體系，并以近乎零成本的方式實時挖掘企業信用數據，有助于減少信用評估支出，降低企業融資費用。隨著征信體系的完善，金融機構可以向企業提供多元化的信貸融資服務，企業也可以降低因信息缺失風險而需要承擔的貸款成本。從競爭視角看，數字金融的發展離不開金融科技企業的參與，這會對傳統金融機構誘發鯰魚效應，倒逼金融機構削弱信貸歧視，從而為“長尾群體”提供高質量、低成本的金融服務。綜上，結合金融摩擦理論和成本與收益理論可知，數字金融能夠從降低交易成本、緩解信息不對稱、增強競爭三個方面減少金融摩擦，降低融資成本，推動企業去杠桿。為此，本文提出假設H3：數字金融通過降低融資成本促進企業結構性去杠桿。

信貸配給理論表明，信貸資金難以滿足社會中最優項目的融資需求，部分低效益的項目反而能夠獲得資金配置。現階段，我國融資體系亦存在信貸配給現象，銀行在放貸過程中存在“選擇性偏好”，國有企業憑借自身優勢獲取成本較低的貸款，“長尾群體”只能依靠“短貸長投”或非正規融資渠道維持正常經營活動。在此情況下，有限的金融資源被優先分配到特定的領域與行業，實體經濟中的重點領域與薄弱環節可能并未得到資金的有效配置，導致企業杠桿的結構性扭曲。數字金融發展能夠從多方面緩解信貸配給，提高資本配置效率，促進企業結構性去杠桿。從投資期限看，數字金融通過降低信息不對稱程度改善企業信息披露質量，這有利于緩解企業“短貸長投”，提高資本配置效率。從投資區域看，數字金融網絡化模式突破了傳統的物理距離，拓展了金融服務界限，從而提高資源跨區域配置效率。從投資領域看，傳統融資模式下金融機構更青睞具有固定資產、流動資產等實物資產的企業。數字金融通過處理海量數據，能夠甄別具備創新能力且融資需求未滿足的企業，并實時追蹤企業運行狀況[27]，從而提供金融服務滿足企業融資需求。綜上，信貸配給理論表明，數字金融有助于降低信貸資源錯配，提高資本配置效率，達到企業結構性去杠桿目的。為此，本文提出假設H4：數字金融通過提高資本配置效率促進企業結構性去杠桿。

三、研究設計

(一)樣本選擇與數據來源

本文以2011至2018年A股上市企業為研究對象，并對原始數據進行如下處理：剔除樣本中的金融類、房地產類上市企業；剔除樣本期間掛牌ST、退市、IPO當年以及數據缺失的企業；對連續變量進行上下1%的縮尾處理。最終得到12487個有效觀測樣本。企業財務數據來源于國泰安數據庫，數字金融數據來自北京大學數字金融研究中心。

(二)變量設定(6) 受篇幅限制，變量描述性統計結果未報告，作者備索。

1.被解釋變量。關于杠桿水平的測度，以總負債占總資產的比重衡量企業杠桿率是現階段的主流方式，但該指標可能會忽略企業特征與行業屬性。鑒于此，參考相關研究[28]，本文以過度負債率(leve)衡量企業杠桿情況，以實際負債率減目標負債率衡量過度負債率。企業過度負債率的測度方式綜合考慮了企業特征、行業和宏觀因素，能夠刻畫企業真實負債率與目標負債率的偏離程度。過度負債率為正，表明企業的實際負債率高于目標負債率；過度負債率為負，意味著企業的實際負債水平相較于目標負債率仍存在負債空間。因此，以過度負債率來衡量企業的杠桿水平，有助于反映企業結構性去杠桿的情況，具有一定的可行性與合理性。

借鑒Denis和Mckeon(2012)的研究[29]，k行業中i企業t年目標負債率的回歸模型設定如下：

LEVBi，t=α0+α1Soei，t-1+α2Roai，t-1+α3Ind_Levbk，t-1+α4Growthi，t-1+α5Fatai，t-1

+α6Sizei，t-1+α7Sharei，t-1

(1)

模型(1)的控制變量包括國有性質(Soe)、企業盈利能力(Roa)、行業負債率的中位數(Ind_Levb)、總資產增長率(Growth)、固定資產占比(Fata)、企業規模(Size)以及第一大股東持股比例(Share)。企業實際負債率減目標負債率(LEVB)即為過度負債率(leve)。

2.核心解釋變量：數字金融(lnaa)。北京大學數字普惠金融指數覆蓋中國省市縣三級行政區，從覆蓋廣度、使用深度以及數字化程度三個維度刻畫中國數字金融發展態勢，能較為客觀地反映數字金融發展脈絡[30]。本文選取省級層面的數據作為數字金融的代理變量，并進行對數化處理。

3.中介變量。在融資約束(kzzs)方面，本文采用KZ指數衡量企業融資約束程度[31]。KZ指數越小，表明企業融資約束程度越低；反之則反。在財務費用率(cwfy)方面，采用財務費用占營業收入的比重衡量企業融資成本的強度。該指標數值越大，表明企業獲得資金所需支付的費用越高；反之則反。在資本配置效率(tzxl)方面，以企業期望投資模型作為資本配置效率的代理變量[32]。首先計算出企業的期望投資水平，然后根據模型的回歸殘差衡量企業的非效率投資水平。如果回歸殘差大于零，意味著企業投資過度；如果回歸殘差小于零，則表明企業投資不足。本文在分析中以回歸殘差的絕對值衡量企業投資效率，數值越小，企業投資效率越理想，表明資本配置效率越高。

4.控制變量。參考相關研究[33][34][35]，本文納入企業層面的控制變量集，具體控制變量及其定義見表1。

表1 控制變量

(三)模型設定

為檢驗數字金融對企業結構性去杠桿的影響，設定以下回歸模型：

levei，t=β0+β1lnaaj，t-1+β2CVsi，t+σj+ωt+θk+εi，t

(2)

其中，i、t、j、k分別表示企業、年份、省份、行業；被解釋變量為過度負債率(levei，t)，衡量企業結構性去杠桿；核心解釋變量為滯后一期數字金融(lnaaj，t-1)；CVsi，t為控制變量組；εi，t隨機擾動項。本文還控制了省份(σj)、年份(ωt)以及行業(θk)層面的固定效應，使用穩健標準誤進行回歸分析。

四、實證結果分析

(一)基準回歸分析

表2匯報了數字金融對企業結構性去杠桿的回歸結果。第(1)列數字金融的系數在1%的水平上顯著為負。第(2)至(5)列將相關控制變量集納入其中，并逐步考慮省份、年份、行業的固定效應，結果顯示，數字金融均有助于促進企業結構性去杠桿，假設1得證。第一，與傳統金融相比，憑借信息處理方面的優勢，數字金融能夠精準研判企業融資需求與發展潛能，實現資源配置的“去偽存真”，突破屬性、行業、區域間的融資藩籬，將資金配置到真正需要的企業，有助于糾正資源配置偏差與企業杠桿扭曲。第二，數字金融通過重塑傳統金融生態，改善傳統金融資源低效配置的情況，激活社會閑置資金以緩解資金供給不足的困境，實現對金融資源的“存量優化”與“增量擴充”，并通過多種金融服務場景促進新型產融互動，實現經濟的包容性增長。因此，數字金融的發展有助于減少企業的過度負債，達到結構性去杠桿的目的。

表2 數字金融對企業結構性去杠桿的影響

在控制變量方面，表2第(5)列資產回報率(roaa)的系數顯著為負，表明單位資產的稅后凈利潤越高，企業主動負債的可能性越低，因此資產回報率與過度負債呈現負相關關系。非債務稅盾(fzws)的系數也顯著為負，原因在于非債務稅盾并不會產生到期償付的風險，因此擁有大量非債務稅盾的企業要比沒有非債務稅盾的企業更少利用債務。資本密集度(zbmj)的系數顯著為負，意味著單位收入占有的資產越高，產出效率越低，企業過度負債的可能性越低。審計意見(keep)的系數顯著為負，表明審計師出具標準無保留意見有助于企業結構性去杠桿。有形資產占比(yxzb)和企業資產規模(lnzc)的系數均顯著為正，其內在邏輯是，我國以間接融資為主，作為重要抵押品的有形資產和總資產價值越大，企業越容易從銀行獲得資金，因而偏離目標負債水平的可能性越高。稅率(sysl)、企業年齡(agee)、兩職合一(jrqk)的系數亦顯著為正，表明這些控制變量在一定程度上不利于企業結構性去杠桿。經營性現金流(jyzb)的系數不顯著，表明其對過度負債不存在顯著影響。在后文實證分析中，控制變量的回歸系數、顯著性與基準回歸結果基本一致，故不再贅述。

(二)內生性處理與穩健性檢驗(7)受篇幅限制，具體結果未列示，作者備索。

1.內生性處理。對于可能存在的遺漏變量等內生性問題，本文采用工具變量法進行估計。參考傅秋子和黃益平(2018)的研究[36]，選取企業所在地級市到杭州的空間距離作為數字金融的工具變量。同時，考慮到以距離作為工具變量不隨時間變化，可能使第二階段的估計失效[4]，故進一步將距離與年份進行交乘，構造出隨地區和時間變化的工具變量，保證工具變量的有效性。估計結果表明，數字金融依然顯著促進企業結構性去杠桿。同時，基于工具變量法的估計結果顯示，本文的工具變量是合理且有效的。

2.穩健性檢驗。(1)替換回歸模型。本文使用雙重聚類分析方法進行穩健性分析。(2)替換核心解釋變量。在基準回歸模型中，本文的核心解釋變量為省級層面的數字金融發展指數，本文進一步將核心解釋變量替換為城市層面的數字金融發展指數，探討其對企業結構性去杠桿的影響。(3)剔除直轄市樣本。考慮到直轄市的數字金融發展程度與企業的負債結構可能和其他省份存在明顯差異，本文剔除直轄市樣本重新估計。(4)剔除2015年的數據。2015年是一個典型的金融事件沖擊，此類事件難以通過特定變量進行測度，為盡可能排除干擾，本文剔除了2015年的樣本。上述檢驗結果顯示，數字金融依然能夠顯著促進企業結構性去杠桿，表明本文基準結論穩健。

五、機制檢驗

為進一步探究數字金融影響企業結構性去杠桿的具體路徑，本文設置如下遞歸方程進行識別檢驗。選取企業融資約束(kzzs)、財務費用率(cwfy)、資本配置效率(tzxl)作為中介變量(Mediator)，其余變量的設定同前文所述。

levei，t=β0+β1lnaaj，t-1+β2CVsi，t+σj+ωt+θk+εi，t

(3)

Mediatori，t=γ0+γ1lnaaj，t-1+γ2CVsi，t+σj+ωt+θk+τi，t

(4)

levei，t=λ0+λ1Mediatori，t+λ2lnaaj，t-1+λ3CVsi，t+σj+ωt+θk+ξi，t

(5)

表3第(1)列數字金融的系數顯著為負，意味著數字金融能夠通過緩解信息不對稱提高資金投放的“靶向性”，實現資金的精準供給，同時通過盤活社會資金拓寬資金來源，降低信貸市場準入門檻，緩解企業融資約束。第(2)列融資約束的系數顯著為正，表明企業融資約束的緩解有助于企業結構性去杠桿。原因在于，數字金融的融資約束緩解效應顯著提升了金融服務實體經濟的能力，有助于抑制部分企業憑借融資優勢開展套利行為，推動企業杠桿的結構性調整，因而能夠優化實體經濟的債務結構，緩解杠桿扭曲現象。綜上，數字金融能夠通過緩解融資約束促進企業結構性去杠桿，假設2得證。

表3 機制檢驗

表3第(3)至(4)列聚焦于財務費用率這一傳導機制。第(3)列數字金融的系數顯著為負，表明數字金融有助于降低企業財務費用，緩解企業“融資貴”難題。第(4)列財務費用率的系數顯著為正，表明降低企業財務費用能夠促進企業結構性去杠桿。綜上，數字金融能夠通過降低企業財務費用促進企業結構性去杠桿。探究背后的邏輯，在傳統的融資模式中，融資歧視現象普遍存在，尤其是“長尾用戶”只能借助于融資費用高的非正規融資渠道。憑借技術賦能，數字金融能夠實現對企業信息的多維數據挖掘與深度分析，通過緩解銀企間的信息不對稱控制信貸風險，并進一步提供高效、便捷、靈活的信貸服務，降低融資門檻，減少財務費用，以達到“降成本”的功效。尤其是對于“價值洼地”的企業而言，降低財務費用率有助于緩解企業債務負擔，釋放發展潛能，提高風險承擔能力，實現資本結構的優化。因此，假設3得證。

表3第(5)列數字金融的系數顯著為負，表明數字金融能夠提高資本配置效率。第(6)列資本配置效率的系數顯著為正，表明資本配置效率的提升有助于企業結構性去杠桿。原因在于，現階段，國內金融資源錯配的現象普遍存在，導致不同部門、行業、區域或期限的杠桿呈現結構性扭曲。數字金融通過多種渠道實時、動態、智能化地掌握企業的經營與財務狀況，提升企業信息透明度，有效甄別高效率、高潛力的企業，從而緩解金融資源錯配。基于此，金融機構能夠依托數字化技術展開智能決策，從而精準對接有資金需求的企業。對于企業而言，信息透明化促進了信用信息化，有助于企業擺脫資產抵押的融資模式，降低信貸歧視。同時，企業信息透明化能夠內在約束管理層的行為，降低代理成本，減少投機行為，促進資源合理配置。因此，數字金融的發展能夠通過提高資本配置效率促進企業結構性去杠桿，假設4得證。

六、異質性分析

傳統金融體系在服務實體經濟的過程中引致企業杠桿的結構性差異，體現在“屬性錯配”“領域錯配”“監管差異”“經營錯配”等方面。本文嘗試從多個角度展開分析，以期客觀評估數字金融能否實現對傳統金融體系的“糾錯配”與“補短板”。

在“屬性錯配”方面，本文將企業分為國有企業和非國有企業兩組。表4第(1)至(2)列結果顯示，國有企業組數字金融的系數為負但不顯著，非國有企業組數字金融的系數顯著為負，意味著數字金融有助于促進非國有企業去杠桿。梳理背后邏輯，在傳統金融體系中，國有企業憑借特有的經濟地位易于獲得足夠的金融資源，非國有企業往往面臨金融排斥，只能借助融資費用較高的非正規融資渠道。數字金融能夠緩解企業融資約束，降低財務費用，國有企業并不“為之動容”，但對于非國有企業，特別是對于處于“長尾群體”的企業而言，融資困境的改善是“雪中送炭”，因此數字金融對非國有企業的影響更明顯。

表4 異質性分析

在“領域錯配”方面，本文將企業劃分為制造業與非制造業兩類。表4第(3)至(4)列顯示，制造業企業數字金融的系數為負但不顯著，非制造業企業數字金融的系數顯著為負，表明數字金融對非制造業的去杠桿效果更明顯。原因可能在于，在傳統融資模式下，制造業企業有抵押資產而更容易獲得銀行等金融機構的資金支持。非制造業企業尤其是部分新興產業和服務業，由于缺少可抵押的資產，加之面臨較多的不確定性因素，往往會遭遇融資約束困境而產生畸形負債。數字金融通過降低信息不對稱，提供多樣化的融資模式，拓寬非制造業企業的資金來源，有助于解決行業間杠桿的結構性扭曲問題，也為促進實體經濟的提質增效提供保障。

在“監管差異”方面，數字金融為緩解傳統金融領域中的痛點與難點帶來了機遇，也對傳統金融監管模式構成前所未有的挑戰。2015年，中國人民銀行頒布《關于促進互聯網金融健康發展的指導意見》，此后我國對數字金融的監管逐漸加強。強化數字金融監管有助于提升金融體系的運行效率，增強金融服務實體經濟的能力。本文從強化數字金融監管的視角，探討數字金融促進企業結構性去杠桿的效能是否有所改變。以2015年為界，表4第(5)列為2015年及后續年份的估計結果，數字金融的系數顯著為負，第(6)列為2015年之前年份的估計結果，數字金融的系數依舊為負，但不顯著。可能的解釋在于，在金融監管較弱的時期存在金融亂象，如部分企業利用資金、渠道優勢，在不同市場和行業輾轉騰挪，加杠桿套利，擾亂市場秩序，導致企業部門杠桿高企與結構性扭曲。隨著我國強化金融監管，套利行為減少，推動金融資源的精準配置，從而緩解企業杠桿結構性扭曲現象。

在“經營錯配”方面，在傳統融資模式下，部分企業因融資約束往往以經營負債代替金融負債，但這會推動金融風險轉化為經營風險。當實體經濟承壓時，部分經營不善的企業會因經營負債而牽連同一產業鏈的企業，從而制約產業發展。數字金融通過多樣化渠道滿足企業融資需求，金融風險外溢可能會隨之緩解。鑒于此，本文嘗試探討數字金融發展對企業經營負債的影響。由表4第(7)列可知，數字金融有助于降低企業經營負債。原因在于，數字金融通過緩解融資約束、降低融資成本、提高資本配置效率等途徑降低企業的金融負債，進而降低企業金融負債向經營負債轉移的可能性，達到間接降低企業經營負債的目的。更重要的是，數字金融亦能夠為企業提供信用模式、貨押模式等多種供應鏈融資模式，提高企業的融資便利性，從而直接降低企業的經營負債。

七、研究結論與政策啟示

針對企業杠桿高企與結構性扭曲的現狀，本文以滬深A股上市企業為研究對象，系統探討了數字金融的結構性去杠桿效應。研究發現，數字金融能夠促進企業結構性去杠桿。機制檢驗發現，數字金融可以通過緩解企業融資約束、降低企業融資成本、提高資本配置效率的途徑助力企業結構性去杠桿。異質性分析表明：基于所有制視角，數字金融能夠顯著促進非國有企業結構性去杠桿；基于行業視角，數字金融能夠顯著促進非制造業企業結構性去杠桿；基于監管強度視角，有力的金融監管舉措能夠促進數字金融發揮結構性去杠桿的成效。另外，數字金融亦有助于降低企業經營負債水平。本文有如下政策啟示：第一，高質量推進金融數字化轉型，提升金融服務實體經濟質效，精準對接非國有企業、非制造業以及經營負債等重點領域與薄弱環節，助力經濟高質量發展。第二，企業應積極擁抱數字化經營新趨勢，重塑業務流程，提升管控效能，實現數字增值，亦可以將資產數字化，降低信息不對稱程度，便于金融機構的風險定價與風險管控，從而紓解自身融資困境。第三，政府應有序推進以數字化為核心的“新基建”，同時做好金融監管頂層設計，強化央地金融監管協同，加強風險源頭管控，防止風險交叉傳染。