梁琦 林爱杰 | 数字金融对小微企业融资约束与杠杆率的影响研究

 数字金融对小微企业融资约束与杠杆率的影响研究

文/梁　琦，林爱杰

摘 要：小微企业对国民经济和社会发展至关重要，然而长期以来一直面临着融资难、融资贵问题。数字金融的发展为破解小微企业融资难题提供了可能的解决方案。使用数字金融的小微企业比不使用数字金融的小微企业的融资约束和杠杆率都要低，即小微企业使用数字金融既能够缓解融资约束，又进而降低了杠杆率，数字金融发挥了一举两得的作用。此外，数字金融使用对欠发达地区、成长期的小微企业融资约束与杠杆率的影响大于对发达地区、非成长期的小微企业的影响，表现出明显的区域和生命周期异质性，也说明欠发达地区和成长期的小微企业更加依赖于数字金融，数字金融对欠发达地区和成长期小微企业的作用属于“雪中送炭”而非“锦上添花”。

关键词：数字金融；小微企业；融资约束；杠杆率；异质性

一、引　言

中小企业是我国国民经济和社会发展的生力军。然而，长期以来，我国中小企业普遍存在突出的融资难、融资贵问题，面临严重的融资约束。这造成了中小企业抗风险能力差，大量小微企业受到新冠疫情的巨大冲击时基本都面临现金流断裂的风险。中小微企业融资难、融资贵的原因是它们通常被排除在传统金融体系之外，而数字金融能够为它们提供普惠金融服务、满足其需求（郭峰等，2020）。

数字金融泛指传统金融机构与互联网公司利用数字技术提供不同于传统金融的新型金融业务模式，例如支付、融资、投资等业务模式（黄益平和黄卓，2018）¹ 。近年来，数字金融在中国呈现爆发式增长，中国已成为全球规模最大的数字金融市场之一。数字金融改善了本次疫情期间的小微企业融资境遇。根据全国工商联（2020）发布的《2019—2020年小微融资状况报告》，新冠疫情期间，80.4%被调研的微型企业和个体经营者存在融资需求，其中有40.5%已通过互联网银行（如网商银行、微众银行）获得信用贷融资，互联网银行贷款是其主要融资渠道之一。

数字金融能够为被排除在正规金融服务之外的中小微企业提供新的融资渠道和金融服务，理论上来说，应该有助于缓解企业融资约束。如果数字金融能够缓解企业融资约束，后果是否会加剧企业债务风险呢？如若也降低了企业杠杆率，便发挥了一举两得的作用。然而，尚未有文献从微观角度研究小微企业使用数字金融对其融资约束与杠杆率的影响，本文利用2015年西南财经大学中国家庭金融调查与研究中心的中国小微企业调查（China Micro & Small Enterprise Survey，CMES）数据库对上述问题展开研究。本文的主要贡献在于：（1）从数字金融的角度研究金融与企业融资决策之间的关系，发现企业使用数字金融缓解了融资约束，并未抬高、反而降低了企业杠杆率；（2）采用真正意义上的小微企业微观数据检验数字金融对企业行为的影响，因为当前中国数字金融的主要服务对象是被排除在正规金融服务之外的小微企业而非上市公司，利用上市公司数据研究数字金融对企业行为的影响，结果可能有误；（3）在理论上丰富了数字金融对实体经济影响的相关研究，发现了影响企业融资约束和杠杆率的新因素，这对于实践中防范化解重大风险和破解小微企业融资难、融资贵问题具有启示意义。

二、理论分析与研究假说

（一）数字金融影响企业融资约束与杠杆率的理论假说

数字金融具有多种业态和功能，其中支付和融资功能最受关注，它们影响企业融资约束和杠杆率的机制却不同。数字金融的支付方式（比如第三方支付和移动支付）具有效率高、安全性强、便利化程度高、交易成本低等特点，能够最大程度地保护产品销售方的利益，有利于企业获得稳定充裕的现金流和利润，增加企业内部盈余积累，减少对外部资金的需求和依赖，从而降低外部融资约束和主动加杠杆融资的需求，即缓解了企业融资约束、降低了企业杠杆率。通过运用互联网等信息技术（金融+互联网），传统银行体系的支付清算效率大大提升，具有“脱媒”和高技术特性的数字金融的支付工具和支付体系的效率更高，整个金融体系的支付清算效率得到极大提升，这保障了交易双方特别是资金接收方的利益（吴晓求，2015）。第三方支付公司充当了客户与多家商业银行联系的中介，提高了支付清算的效率，降低了交易成本（谢平等，2015）。利用移动支付工具，产品和服务交易双方的支付结算效率和便利化程度大幅提高，买卖双方的交易成本降到最低，尤其是卖方无须再承担多次往返银行物理网点和在银行柜台等待办理业务的时间成本、在不同银行取款所支付的手续费用以及现金支付结算收到假币和资金被盗窃抢劫的风险与成本等（尹志超等，2019）。举一例具体的移动支付工具来说，肯尼亚的移动支付工具M-PESA改善了当地企业的商业信贷约束，有助于增加企业利润、促进宏观经济增长（Beck et al.，2018）。数字金融发展有利于增加企业经营实力，企业主动加杠杆的融资需求降低了，从而发挥了去杠杆效应（唐松等，2020）。

数字金融机构利用大数据、人工智能和云计算等新一代信息技术，能够低成本、高效率地挖掘借款人遗留在互联网中的行为数据等软信息和数字足迹，以构建信用评估模型作为信贷决策的依据，并有效控制信贷风险（谢平等，2015）。这有利于降低借贷双方的信息不对称程度进而为借款人提供融资，缓解融资约束。这些软信息和数字足迹有很大一部分是借款人在使用第三方支付和移动支付工具的过程中被留存下来。支付是金融的第一功能，数字金融的其他诸多业态比如网络小额贷款和P2P也依赖于第三方支付，第三方支付比如支付宝留存了网上商户和消费者的大量交易数据，阿里小贷通过挖掘这些数据构建信用评估模型，降低了借贷双方的信息不对称程度，为它们提供无抵押无担保的纯信用贷款（李继尊，2015）。Lin et al.（2013）基于Prosper平台交易数据研究发现，有网络朋友的借款人更有可能获得贷款，而且贷款利率与事后的违约率更低，表明网络交友软信息反映了借款人的信用质量。

小微企业融资难、融资贵的一个重要原因是经营记录不完善导致硬信息不足。传统金融机构的信用评估模型依赖的是硬信息而非软信息，数字金融能够挖掘小微企业的软信息构建信用评估模型，弥补其经营记录不完善的缺陷，从而获得网络贷款，缓解融资约束（谢绚丽等，2018）。小微企业位于资金需求的“长尾”部分，数字金融中的信息技术能够有效甄别“长尾”市场的需求信息，降低小微企业与资金供给者之间的信息不对称程度进而撮合双方达成金融交易，数字金融的外部经济效应、规模经济效应和范围经济效应也有利于降低小微企业享受数字金融服务的成本（王馨，2015）。此外，微信、支付宝等移动支付工具在支付功能的基础上为个体提供了网络小额借贷服务，其社交媒介功能有利于为个体创造丰富的社会资源和融资渠道（尹志超等，2019）。

《2019—2020年小微融资状况报告》显示，小微企业的整体利润率较高、盈利能力较强，获得无接触贷款的小微经营者平均付出1元的贷款成本可以获得2元的利润² ，只需要较少的资金就能满足其“小额、高频”的灵活融资需求、维持企业的正常运转，绝大部分小微企业扶一把就能活。数字金融缓解了小微企业融资约束，将资金注入企业内部用于生产经营和扩大规模，小微企业获得了流动性支持，有利于扩大市场份额、提高销售收入、增加内部现金流和盈余积累、增强盈利能力。一方面，小微企业能够高效利用数字金融的信贷资金赚取更多的利润、增加更多的净资产，表现为企业杠杆率下降；另一方面，小微企业获得数字金融的信贷资金减少了对其他杠杆融资的需求，企业也无需利用其他渠道加杠杆获取外部债务资金，总体上达到了去杠杆的效果（张斌彬等，2020）。最后，不论是数字金融的支付功能还是融资功能，都能够打破传统金融服务的时间和空间限制，扩大金融服务的覆盖面，提升金融服务的效率，有利于降低金融服务供求双方交易的时间成本和金钱成本（王如玉和周诚君，2020）。

已有少数文献利用中国上市公司数据研究了国家或者地区层面的数字金融发展水平与微观企业融资约束、杠杆率及创新之间的关系（张斌彬等，2020；阮坚等，2020；唐松等，2020；李春涛等，2020）。但现有研究存在两点不足：一是上述文献的研究样本是上市公司，这样做可能是因为上市公司数据易获取，但是上市公司属于大型企业，即使中小板、创业板、新三板的上市公司也不是真正意义上的小微企业，并不是当下中国数字金融的主要服务对象，上市公司所获得的金融服务与所处的融资环境都优于小微企业，当前并不会对数字金融形成依赖，现有文献利用上市公司数据来检验数字金融发展对企业行为的影响存在样本有偏的问题；二是不少文献直接将国家或地区层面的数字金融发展水平指标与微观数据相匹配开展相关实证研究，在当前中国数字金融使用还未全面普及的情况下，这无法保证每一个微观个体都使用了数字金融，如果微观个体并未使用数字金融，也难谈得上受到数字金融发展的影响，强行匹配可能得出有误的结论。因此，本文认为非常有必要采用真正的小微企业微观数据来研究数字金融使用对企业融资约束与杠杆率的影响。根据以上分析，本文提出假说H1。

H1：数字金融通过缓解企业融资约束进而降低杠杆率。

（二）数字金融对不同区域企业行为的异质性影响假说

中国各地区之间的金融资源分布不平衡，突出表现为金融资源集聚在发达地区（王如玉等，2019），而欠发达地区比如中西部省份的金融资源相对贫乏，不利于当地企业的成长与发展。数字金融能够打破传统金融机构物理网点和地理距离的限制，将金融产品和服务延伸到传统金融机构难以覆盖的地区，属于“雪中送炭”，而发达地区金融资源比较丰富、金融服务体系比较发达，数字金融的作用属于“锦上添花”，数字金融发展对欠发达地区创业的促进作用比发达地区更加明显（谢绚丽等，2018）。李春涛等（2020）利用中国新三板上市公司数据检验发现，数字金融发展对企业创新的促进作用在东部地区比在中西部地区表现得更为明显，原因是东部地区比中西部地区的经济发展水平更高、市场资源更加丰富、配套施舍更加健全、高质量人才更多，更有利于企业创新，即对企业创新而言，数字金融的作用属于“锦上添花”。这可能是因为他们使用的是上市公司样本，对上市公司来说数字金融可能只是“锦上添花”。由于小微企业通常处于融资困境，对小微企业而言，数字金融更可能发挥“雪中送炭”的作用。因此，本文将分别检验数字金融对东部和中西部省份的企业杠杆率和融资约束的影响。根据以上分析，本文提出假说H2。

H2：数字金融对东部省份企业杠杆率和融资约束的影响小于对中西部企业的影响。

（三）数字金融对不同生命周期企业行为的异质性影响假说

根据企业生命周期理论，企业会经历成长、成熟、衰退几个发展阶段。在不同的发展阶段，企业的融资需求和融资约束存在较大差异，成长期企业面临的融资约束程度最大，成熟期最短，衰退期处于中间状态（黄宏斌等，2016）。那么处于不同生命周期阶段的企业，面临的融资约束程度不同，对数字金融的依赖程度可能不同，受到数字金融的影响程度也会不同。具体而言，结合黄宏斌等（2016）的分析，成长期企业的利润来源不稳定，难以形成稳定的现金流，同时投资需求旺盛导致企业面临很强的融资约束，对外部资金需求强烈，处于该阶段的企业对数字金融的依赖程度最强；进入成熟期的企业往往已经形成了稳固的销售渠道和利润来源，内部现金流充裕，盈余积累丰厚，建立了适合自身的融资渠道，处于该阶段的企业融资约束程度最低，对数字金融的依赖程度也最低；进入衰退期的企业产品销售状况恶化，盈利能力下降，现金流减少，对外部资金需求较强，融资约束程度变得较为严重，此时也会对数字金融形成较强的依赖。唐松等（2020）发现，数字金融发展显著促进了成长期和成熟期上市公司的技术创新，对成熟期企业的技术创新驱动效果最强，对衰退期企业的技术创新并未产生显著影响，甚至产生了“创新泡沫”（王小燕等，2019）。本文将企业生命周期分为成长期和非成长期（成熟期和衰退期），分别检验数字金融对不同生命周期阶段的企业杠杆率和融资约束的影响。根据以上分析，本文提出假说H3。

H3：数字金融对成长期企业杠杆率和融资约束的影响大于对非成长期企业的影响。

三、研究设计

（一）模型设定

为检验H1，本文借鉴温忠麟和叶宝娟（2014）的中介效应分析方法，构建如下实证模型进行逐步检验：

（1）

（2）

（3）

在方程（1）—（3）中，lev_i表示企业i的杠杆率，fincon_i表示企业i的融资约束，核心解释变量digpay_i表示企业i是否使用数字金融，control_i表示其他影响企业杠杆率和融资约束的控制变量，为随机扰动项。α₀、β₀、λ₀是常数项，α₁、β₁、λ₁是核心解释变量对被解释变量的回归系数，α₂、β₂、λ₃是控制变量的回归系数，λ₂是中介变量对被解释变量的回归系数。方程（1）检验的是企业数字金融使用对杠杆率的总效应，方程（2）和方程（3）检验的是数字金融使用通过影响融资约束作用于杠杆率的中介机制。根据H1，预期系数α₁、β₁、λ₁显著为负、λ₂显著为正。由于我们只能观察到杠杆率和融资约束程度为正的企业的负债和融资状态，对于并未负债和没有融资约束的企业，能观察到的杠杆率和融资约束程度都是0值。对于这类归并数据（censored data），本文使用Tobit模型进行回归估计。为检验H2和H3，我们将根据方程（1）和方程（2）将样本分别划分成东部和中西部、成长期和非成长期两组子样本进行检验。

（二）数据来源

本文采用西南财经大学中国家庭金融调查与研究中心的中国小微企业调查（CMES）数据库，该调查开展于2015年中，覆盖全国28个省（不包括新疆、西藏、青海、港澳台地区），样本规模为5 497户，具有全国代表性。问卷内容涵盖企业基本信息、生产经营（包括销售结算方式）、融资（股权融资与债务融资）、财务等方面的详细信息，为本研究提供了有力的数据支持。

由于CMES数据库中并非每个调查样本都完全符合小微企业的标准，其中也包含了少量的大中型企业，黄宇虹等（2016）根据《中小企业划型标准规定》³ 剔除不符合小微企业标准的样本。《中小企业划型标准规定》中大多数行业企业的划型标准是要同时满足从业人员、营业收入和资产总额中的两项指标，微型企业只须满足所列指标中的一项即可，只有农、林、牧、渔业是根据营业收入这一项指标划型。然而，CMES数据中的营业收入和资产总额两项指标数据缺失较为严重，若完全依据《中小企业划型标准规定》对样本企业进行划型，势必会损失较多的样本量。

张永生（2003）指出，企业是不同个人之间一组契约的联结，用雇员数量来代表企业规模最符合经济学方法，最能反映企业的本质。首先，本文主要选择以企业从业人员数量作为企业规模的划型指标。不仅小微企业，中型企业也存在融资难题，也是数字金融的服务对象，我们也将中型企业纳入研究范围，只剔除大型企业，这与黄宇虹等（2016）的做法有所不同。具体而言，对于《中小企业划型标准规定》中只要有以从业人员数量作为划型指标的行业，本文就只以从业人员数量这一项指标来划分企业规模；对于《中小企业划型标准规定》中没有以从业人员数量作为划型指标的行业，则退而以资产总额来划分企业规模；《中小企业划型标准规定》对于农、林、牧、渔业只以营业收入这一项指标划型，本文就根据其营业收入来划分企业规模。最终获得的是中小微型企业样本，其中中型企业样本占比很低，主体仍是小微型企业。其次，本文的研究对象是实体企业，金融业不属于实体经济，将金融业样本全部剔除。最后，剔除了2015年才开始实际经营的企业，也剔除目前暂停经营（停业、歇业等）、筹建、终止经营（正在关闭、破产、其他经营状态的企业。）

（三）变量说明

1.被解释变量：企业杠杆率（lev）。企业杠杆率等于债务总额除以资产总额。CMES问卷中企业资产总额数据易获取，但并不能直接获取企业的债务总额数据。企业债务融资来源于银行贷款和民间借款，本文将目前没有尚未还清的银行贷款和民间借款的企业杠杆率赋值为0。由于银行贷款和民间借款的问卷结构类似，将目前企业存在尚未还清的银行贷款和民间借款的至今还欠的数额相加得到企业的债务总量。同时，剔除债务总额大于资产总额的样本。

2.核心解释变量：是否使用数字金融（digpay）。尹志超和张号栋（2018）将中国家庭金融调查（CHFS）问卷中家庭网购支付方式为网上银行、支付宝、信用卡和财付通的家庭定义为互联网金融家庭。何婧和李庆海（2019）对农村普惠金融调查问卷中的农户使用数字金融的定义是，只要农户参与了数字理财、数字信贷或数字支付中任何一项，则认为该农户使用了数字金融，将电脑网上银行转账、手机银行转账、微信支付、支付宝、各种电子钱包类产品（如百度钱包、京东钱包、翼支付等）、其他移动支付产品的支付方式定义为数字支付，整个样本中农户使用数字支付多而使用数字理财和数字信贷少。

参考以上文献的做法，本文设置企业是否使用数字金融虚拟变量，将CMES问卷中企业商品销售的主要结算方式为网上支付或POS机（不包括使用银行POS机，即使用银联商务、支付宝、财付通、银联在线、快钱、汇付天下、易宝支付、通联支付、环迅支付、拉卡拉和其他的第三方支付POS机）定义为使用了数字金融，赋值为1，否则为0。之所以剔除只使用银行POS机的企业样本，是因为银行POS机并不具备第三方支付POS机的数字支付功能，仍是传统的银行卡和信用卡的刷卡支付功能。对于农业生产经营者，除了根据销售结算方式识别是否使用数字金融外，还根据农业生产经营问卷中的农村金融相关问题进行识别，将当前贵企业/农民合作社使用过/开通了网上银行和手机银行服务并且经常使用该服务的农业经营者也界定为使用了数字金融。需要强调的是，数字金融的其他业态如网络小额贷款、P2P、网络众筹、互联网理财等也依赖于数字金融的支付功能比如第三方支付（李继尊，2015）。因此，本文主要根据企业是否使用数字支付来识别企业的数字金融使用状况，有其合理性。

3.中介变量：融资约束（fincon）。如何准确识别和度量微观主体的融资约束是开展相关实证研究的关键。Feder et al.（1990）、Jappelli（1990）、尹志超和张号栋（2018）、何婧和李庆海（2019）根据调查问卷中受访对象当前或曾经参与信贷市场的问题对信贷约束状况进行度量，比如“需要但没有申请、或者申请被拒绝”，则认为该受访对象受到正规信贷约束，设置信贷约束虚拟变量，这是大多数研究度量信贷约束的常见方法。

但是上述虚拟变量度量方法的缺陷是不能反映微观个体融资需求数量上的限制，不能量化微观企业融资约束的绝对程度，即究竟企业资金需求无法满足的比例是多少。故本文未采用这种方法，而是根据CMES数据的特点创新性地设置企业融资约束变量，即利用银行/信用社贷款和民间借款两部分问卷，先计算出企业生产经营银行/信用社贷款和民间借款需求没有得到满足的金额之和，再除以其与银行/信用社贷款和民间借款当初一共贷款和借款的金额之和，得到企业总体的融资约束程度，将目前不存在尚未还清的银行/信用社贷款和民间借款的企业的融资约束赋值为0。因为融资约束往往是企业经营内生的结果，度量的是企业资金需求得到满足的能力。如果企业经营效益好、利润多、现金流充裕，具有充足的内部资金，就无需依赖外部资金。如果企业在正规金融部门（银行/信用社贷款）和非正规部门（民间借款）都没有债务，说明企业并不需要外部资金，也就不存在外部融资约束。

4.控制变量。本文控制以下变量：企业盈利能力是影响企业杠杆率的重要变量（Serfling，2016），设置企业是否盈利哑变量（profit），将CMES问卷中对贵企业2014年的经营情况回答为盈利时赋值为1，亏损和持平时赋值为0；资产越多的企业获得抵押贷款的可能性越大，从而影响企业杠杆率，设置企业资产总额变量（asset）；经营年限（age）是衡量一个企业生存实力的客观指标，企业经营年限等于2015减去企业开始实际经营的年份；管理制度落实（mansys），将问卷中对企业各项基本管理制度贯彻实施情况回答为执行非常严格和执行较为严格时赋值为1，执行力度一般、执行力度较弱、形同虚设时赋值为0；企业2014年是否获得了行业协会或者政府部门支持的银行金融服务（bank），获得支持赋值为1，没有获得支持赋值为0；企业是否加入相关行业协会（assoc），加入了相关行业协会赋值为1，否则为0；税费负担（tax），将问卷中对企业当前的税费负担程度回答为非常轻和较轻时赋值为1，回答为一般、较重和非常重时赋值为0；企业组织形式分为独资企业、合伙企业、有限责任公司、股份公司、农民合作社、其他组织形式共六种形式，共设置5个企业组织形式哑变量；企业所有制哑变量（own），将国有/国有控股、集体/集体控股的企业定义为国有企业，其他类型企业定义为非国有企业，国企赋值为1，否则为0；企业是否位于乡镇（locate），位于乡村赋值为1，位于城镇赋值为0。

（四）描述性统计

主要变量的描述性统计见表1。杠杆率的理论取值范围在0到100%之间，样本中的杠杆率最大值达到100%，最小值为0，均值仅为3.456%，看似很低，这是因为其中有很多企业杠杆率是0。但是如果只看杠杆率大于0的企业，则这部分企业的杠杆率均值为24.658%。类似地，融资约束的理论取值范围也在0到100%之间，样本中的融资约束最大值是99.17%，接近于100%，最小值是0，均值只有7.501%，看似也很低，如果只看融资约束不为0的企业，则这部分企业的融资约束均值为57.149%，即小微企业的融资需求只能满足一半左右，融资约束较为严重。在该样本中，有28.3%的小微企业使用了数字金融，说明并非所有的小微企业都使用了数字金融，已有研究区域层面的数字金融发展水平对微观企业行为影响的文献不区分企业是否使用了数字金融而直接回归的做法，值得商榷。

表1   主要变量描述性统计注： 杠杆率和融资约束的单位都是%，资产总额的单位是元、取对数，企业经营年限的单位是年。

四、实证结果及分析

（一）基准结果

CMES数据中每个样本具有抽样权重，本文采用经过抽样权重调整的双边归并Tobit模型进行基准回归估计，方程（1）—（3）的回归结果见表2。表2的第（1）列显示，是否使用数字金融的回归系数均在1%的水平上显著为负，表明使用数字金融能够显著降低小微企业杠杆率。第（2）列显示，是否使用数字金融的回归系数在5%的水平上显著为负，表明使用数字金融能够显著缓解小微企业融资约束。第（3）列显示，融资约束的回归系数在1%的水平上显著为正，表明企业融资约束越严重，杠杆率也会越高，二者呈正向关系；而且，是否使用数字金融的回归系数依然显著，表明数字金融使用通过缓解小微企业融资约束进而降低杠杆率，融资约束发挥了部分中介作用，H1得到证实。表2   数字金融使用、融资约束与小微企业杠杆率的回归结果注： 表中报告的是对被解释变量的潜变量的平均边际效应，括号内为t值，其中^*p<0.1,^**p<0.05,^***p<0.01，采用稳健标准误，下同。本文发现小微企业的融资约束与杠杆率之间是正向关系，这与张斌彬等（2020）的结果一致。宏观经济调控中常采用宽松的货币财政政策为企业提供金融资源，这无疑有利于缓解企业融资约束，但结果常常是企业负债率也随之增加（王宇伟等，2018）。数字金融的网络贷款与宽松的货币财政政策对企业杠杆率的影响效果完全相反，可能的原因是宽松的货币财政政策具有“大水漫灌”的特点，剂量大而粗，为企业提供的金融资源过多且不具有针对性，新增的金融资源可能被配置在效率低的企业和资金回报率低的项目上，产生资源错配问题。然而，数字金融的网络贷款通常额度小，能够精准“滴灌”至盈利能力强、急需资金的小微企业，剂量小且准。传统的货币财政政策可以利用数字金融的新一代信息技术进行精准施策，有利于增强政策效果。

（二）异质性分析

1.基于区域的分样本研究本文进一步考察数字金融使用对小微企业杠杆率与融资约束的影响在不同区域之间是否存在异质性⁴ ，回归结果见表3。由表3的第（1）—（4）列可知，不论是对杠杆率还是融资约束，中西部地区的是否使用数字金融的回归系数的绝对值和显著性水平都大于东部地区，表明使用数字金融对欠发达地区小微企业杠杆率和融资约束的影响强度都显著大于对发达地区小微企业的影响强度，存在明显的异质性，与H2预期一致。表3   数字金融使用与东部、中西部省份小微企业杠杆率与融资约束的回归结果以上结果可知，数字金融使用对欠发达地区小微企业的作用属于“雪中送炭”。在传统金融资源丰富的地区，小微企业对数字金融这种新型金融的依赖程度低，受到的影响也较小；相反，在传统金融资源贫乏的地区，数字金融服务可能是小微企业少有的金融资源供给来源之一，对其依赖性较强，受到的影响也较大。本文的发现与谢绚丽等（2018）一致，与李春涛等（2020）的结论不同。谢绚丽等（2018）的研究对象是省级层面的新注册企业，新创企业往往也面临融资难题，融资约束较为严重，对数字金融的依赖性较强，欠发达地区的新创企业对其依赖性更强。李春涛等（2020）的研究对象是上市公司，受传统金融机构和资本市场青睐，上市公司能够享受丰富、多元化的传统金融服务，数字金融对它们而言只是“锦上添花”的点缀作用。2.基于生命周期的分样本研究本文继续考察数字金融使用对不同生命周期小微企业杠杆率与融资约束的异质性影响。唐松等（2020）、黄宏斌等（2016）采用现金流组合法对上市公司样本划分生命周期，由于CMES数据是问卷调查数据，其中没有小微企业的现金流相关数据，我们无法使用现金流组合法对小微企业样本划分生命周期。同时，为保证分组子样本量较大，我们根据样本企业经营年限的中位数（7年，见表1）将样本划分为成长期和非成长期（成熟期和衰退期）进行检验，回归结果见表4。由表4可知，不论是对杠杆率还是融资约束，是否使用数字金融的回归系数只在成长期小微企业中显著为负，在非成长期小微企业中不显著，表明使用数字金融对成长期小微企业杠杆率和融资约束的影响强度显著大于对非成长期小微企业的影响强度，也存在明显的异质性，与H3预期一致。表4   数字金融使用与不同生命周期小微企业杠杆率与融资约束的回归结果与本文发现不同的是，王小燕等（2019）发现数字金融对成长期和成熟期上市公司的融资约束都起到了缓解作用，而且对成长期与成熟期上市公司融资约束的作用强度相近。产生这种差异的原因可能正如前文所述，我们所能观察到的是已经做大做强、进入资本市场的上市公司的数据，上市公司获得的金融资源和所处的融资环境是小微企业不可比的，数字金融对它们而言只是“锦上添花”。不论上市公司处于成长期还是成熟期，都不会对数字金融形成严重的依赖，受到的影响在不同的生命周期阶段也就不会存在明显差异。但是对于金融环境较差的小微企业而言，数字金融是它们的“救命毫毛”，对其依赖性较强。在小微企业的不同生命周期阶段，企业经营绩效存在较大差别，成长期小微企业融资约束最强，非成长期小微企业融资约束相对来说有所改善，经营绩效越差、内部现金流越紧张的小微企业对数字金融的依赖也会越强，数字金融对成长期和非成长期的小微企业融资约束与杠杆率的影响自然会存在明显差异。

（三）内生性检验

表2的第（1）列和第（2）列的回归结果可能因为反向因果和遗漏变量而存在内生性问题。为此，参考Fisman & Svensson（2007）、张璇等（2017）的方法，使用同省份和同行业内除了本企业之外的其他企业使用数字金融的比率（digrate）作为工具变量进行IV-Tobit估计。一方面，同省份和同行业内的其他企业的数字金融使用状况与每个企业的数字金融使用状况正相关；另一方面，其他企业使用数字金融的状况不会对单个企业的融资决策产生直接的影响，这构成了一个较为理想的工具变量。在使用IV-Tobit模型回归时，两步法与抽样权重调整不相容，采用与抽样权重调整相容的最有效率的极大似然估计法（MLE）进行回归估计。由于MLE法不能直接提供第一阶段回归结果，本文采用经过抽样权重调整后的Probit模型进行一阶段回归估计。表5的第（1）列报告了数字金融使用对工具变量与其他控制变量的一阶段Probit回归结果，工具变量的回归系数在1%的水平上显著为正，Wald检验统计量为91.371，对应的p值为0.0000，表明所有变量回归系数的联合显著性很高。第（2）列和第（3）列的内生性检验Wald统计量均在1%的水平上拒绝了数字金融使用不存在内生性的假设，数字金融使用的回归系数均在1%的水平上显著为负，未改变基准回归结论，即数字金融使用有利于缓解企业融资约束，降低企业杠杆率。表5   数字金融使用与小微企业融资约束、杠杆率的工具变量回归结果注： 表中第（1）列报告的是平均边际效应，其下方括号内是根据德尔塔方法(Delta-Method)标准差计算的z值；第（2）列和第（3）列报告的是对被解释变量的潜变量的平均边际效应，其下方括号内为z值，其中^*p< 0.1,^**p<0.05,^***p<0.01，采用稳健标准误。内生性检验Wald统计量下方的括号内为统计量的相伴概率。样本量为2428，少于表2中的2476，这是因为某些同省份和同行业的组群内只有一家企业，对应的工具变量为缺漏值。

（四）稳健性检验

1.纳入使用银行POS机样本为了加强实证结果的稳健性，本文调整数字金融定义重新进行检验⁵ 。尹志超和张号栋（2018）将中国家庭金融调查（CHFS）问卷中家庭网购支付方式为网上银行、支付宝、信用卡和财付通的家庭定义为互联网金融家庭。其中，刷信用卡可以使用银行POS机，我们将使用银行POS机的企业样本也定义为使用了数字金融，扩大了数字金融的定义范围，重新检验了方程（1）—（3），回归结果见表6的第（1）—（3）列。实证结果显示，数字金融使用通过缓解小微企业融资约束进而降低企业杠杆率的中介效应依然成立。表6   稳健性检验：数字金融使用与小微企业杠杆率与融资约束的回归结果2.剔除农业合作社样本黄宇虹等（2016）指出，农业合作社是互助性经济组织，在回答员工规模时容易将成员家庭所雇佣的员工也包括在内而夸大合作社的规模。因此，我们将农业合作社样本全部剔除，只保留农业企业，重新进行检验，具体结果见表6的第（4）—（6）列。实证结果显示，数字金融使用通过缓解小微企业融资约束进而降低企业杠杆率的中介效应仍然成立，本文的结论具有稳健性。3.剔除中型企业样本

在基准回归中，我们将少量的中型企业纳入样本中，为了更加准确地识别出真正的小微企业，我们进一步剔除中型企业样本，只保留小微企业样本重新检验，具体结果见表6的第（7）—（9）列。结果显示，数字金融使用通过缓解小微企业融资约束进而降低企业杠杆率的中介效应仍然存在，本文的结论是稳健的。

五、结论和政策启示

本文利用中国真正意义上的小微企业微观调查数据（CMES），采用Tobit模型研究了数字金融使用对小微企业融资约束与杠杆率的影响，检验了这种影响在不同区域和不同生命周期企业之间的异质性，并使用工具变量的IV-Tobit模型进行内生性检验，通过调整数字金融定义、剔除农业合作社样本和删除中型企业样本进行稳健性检验。研究结果表明，数字金融使用显著缓解了小微企业融资约束，后果是降低而非抬高了小微企业杠杆率。这表明，数字金融既能将金融资源引流到资金不足的小微企业部门、满足实体经济的需要，又不会增加实体经济的债务风险，有利于防范化解重大风险与破解小微企业融资难、融资贵问题。基于区域的异质性分析结果表明，数字金融使用对欠发达地区小微企业融资约束的缓解作用与杠杆率的降低作用大于对发达地区小微企业的影响，欠发达地区的小微企业更加依赖于数字金融，这对于缩小区域发展差距、促进区域经济平衡发展具有一定的积极作用。基于企业生命周期的异质性分析结果表明，数字金融使用对成长期小微企业融资约束的缓解作用与杠杆率的降低作用大于对非成长期（成熟期和衰退期）小微企业的影响，成长期小微企业对数字金融的依赖程度更高。以上结果表明数字金融对欠发达地区和成长期的小微企业的作用属于“雪中送炭”。

本文的研究结论具有以下的政策启示。第一，积极推动数字金融发展，继续深入推进大数据、云计算、人工智能等新一代信息技术在金融服务领域的融合发展与集成应用，着重提升数字金融服务的穿透力与覆盖面，开发出更多适合于中小微企业的金融产品与服务，以满足企业多元化的金融服务需求。第二，数字金融机构在为小微企业提供金融服务时，要有重点地选择目标客户群，可以将金融资源向欠发达地区和成长期的小微企业倾斜、进行精准对接，同时也要利用新一代信息技术对其加强风险监控。第三，企业应重视数据要素的信用价值，加强数据治理和管理能力，尤其是企业日常经营的明细数据，保证数据记录的完整性与真实性，提高信息透明度。第四，政府部门要加快对企业信用评估相关的公共信息的采集、整合、开放与共享，这将有助于打破“数据孤岛”困境、降低企业与数字金融机构之间的信息不对称程度，从而缓解融资约束。

注释

1. 与“数字金融”相似的概念有“互联网金融”和“金融科技”，本文采用黄益平和黄卓（2018）的做法，不区分“数字金融”与“互联网金融”“金融科技”之间的细微差别，统一用“数字金融”来概称。2. 全国工商联《2019—2020小微融资状况报告》显示：无接触贷款对小店经济作用显著。http://bgimg.ce.cn/xwzx/gnsz/gdxw/202005/08/t20200508_34861138.shtml.3. 2011年6月18日，工业和信息化部、国家统计局、发展改革委、财政部发布《中小企业划型标准规定》。4. CMES数据库对东中西部地区的划分如下：东部地区包括辽宁、北京、天津、上海、河北、山东、江苏、浙江、福建、广东、广西、海南共12个省；中部地区包括黑龙江、吉林、山西、安徽、江西、内蒙古、河南、湖北、湖南共9个省；西部地区包括重庆、四川、云南、贵州、陕西、甘肃、宁夏共7个省。5. 感谢匿名审稿人对调整数字金融定义进行稳健性检验的建议。

郭峰，王靖一，王芳，等.测度中国数字普惠金融发展：指数编制与空间特征.经济学（季刊），2020（4）：1401—1418.

何婧，李庆海.数字金融使用与农户创业行为.中国农村经济，2019（1）：112—126.

黄宏斌，翟淑萍，陈静楠.企业生命周期、融资方式与融资约束——基于投资者情绪调节效应的研究.金融研究，2016（7）：96—112.

黄益平，黄卓.中国的数字金融发展：现在与未来.经济学（季刊），2018，17 （4）：1489—1502.

黄宇虹，弋代春，揭梦吟.中国小微企业员工流动现状、作用及其影响因素分析.管理世界，2016（12）：77—89.

李春涛，闫续文，宋敏，等.金融科技与企业创新——新三板上市公司的证据.中国工业经济，2020（1）：81—98.

李继尊.关于互联网金融的思考.管理世界，2015（7）：1—7.

全国工商联.2019—2020年小微融资状况报告.http：//www.nifd.cn/SeriesReport/Details/1909. 2020—05—08.

阮坚，申么，范忠宝.何以驱动企业债务融资降成本——基于数字金融的效用识别、异质性特征与机制检验.金融经济学研究，2020，35（1）：32—44.

唐松，伍旭川，祝佳.数字金融与企业技术创新——结构特征、机制识别与金融监管下的效应差异.管理世界，2020（5）：52—66.

王如玉，王志高，梁琦，等.金融集聚与城市层级.经济研究，2019（11）：165—179.

王如玉，周诚君. 数字金融与城市生产率.广东社会科学，2020（4）：15—27.

王小燕，张俊英，王醒男.金融科技、企业生命周期与技术创新——异质性特征、机制检验与政府监管绩效评估.金融经济学研究，2019，34（5）：93—108.

王馨.互联网金融助解“长尾”小微企业融资难问题研究.金融研究，2015（9）：128—139.

王宇伟，盛天翔，周耿.宏观政策、金融资源配置与企业部门高杠杆率.金融研究，2018（1）：36—52.

温忠麟，叶宝娟.中介效应分析：方法和模型发展.心理科学进展，2014，22（5）：731—745.

吴晓求.互联网金融：成长的逻辑.财贸经济，2015（2）：5—15.

谢平，邹传伟，刘海二.互联网金融的基础理论.金融研究，2015（8）：1—12.

谢绚丽，沈艳，张皓星，等.数字金融能促进创业吗？——来自中国的证据.经济学（季刊），2018，17 （4）：1557—1580.

尹志超，公雪，郭沛瑶.移动支付对创业的影响——来自中国家庭金融调查的微观证据.中国工业经济，2019（3）：119—137.

尹志超，张号栋.金融可及性、互联网金融和家庭信贷约束——基于CHFS数据的实证研究.金融研究，2018（11）：188—206.

张斌彬，何德旭，张晓燕.金融科技发展能否驱动企业去杠杆？经济问题，2020（1）：1—10.

张璇，刘贝贝，汪婷，等.信贷寻租、融资约束与企业创新.经济研究，2017（5）：161—174.

张永生.厂商规模无关论——理论与经验证据.北京：中国人民大学出版社，2003.

Beck ， T.，Pamuk ， H.，& Ramrattan ， R.，et al.Payment Instruments， Finance and Development.Journal of Development Economics，2018， 133：162-186.

Feder ， G.， Lau ， L. J.， & Lin ， J.Y.，et al. The Relationship between Credit and Productivity in Chinese Agriculture：A Microeconomic Model of Disequilibrium.American Journal of Agricultural Economics， 1990，72（5）：1151-1157.

Fisman，R.，& Svensson， J. Are Corruption and Taxation Really Harmful to Growth？Firm Level Evidence.Journal of Development Economics，2007， 83（1）：63-75.

Jappelli， T. Who is Credit Constrained in the U. S. Economy？The Quarterly Journal of Economics，1990， 105（1）：219-234.

Lin ， M.， Prabhala ， N. R.， & Viswanathan ， S. Judging Borrowers by the Company They Keep：Friendship Networks and Information Asymmetry in Online Peer-to-Peer Lending.Management Science， 2013， 59（1）：17-35.

Serfling， M. Firing Costs and Capital Structure Decisions.The Journal of Finance， 2016， 71（5）：2239-2285.

载《中山大学学报（社会科学版）》2020年第6期

责任编辑：周吉梅

初审：宋宇

审核：詹拔群、周吉梅

审核发布：彭玉平、李青果