数字普惠金融缓解中小企业融...创板和创业板上市公司的数据_王昱.pdf

2023年第3期经济纵横 一、引言与文献综述中小企业的发展受到社会各界的广泛关注，因为中小企业在改善民生、创造就业、推动创新发展等方面对我国社会和经济的发展起着至关重要的作用。但由于金融机构与中小企业之间存在信息不对称以及中小企业本身缺乏健全的财务机制，缺乏相应的资产抵押等，中小企业仍面临融资难的问题。解决中小微企业融资问题不仅对个体企业生存发展有重要影响，对优化国家整体产业结构更是起着重要作用。随着数字金融快速发展，数字普惠金融成为我国金融改革、服务实体经济与提高金融效率的重要途径。企业可以利用数字技术促进企业组织架构、组织文化等进行重新构造（苗力，2019），通过不断化解企业面临的不确定性，提升企业的生产效率，最终实现资源或者能源的减耗。另外，数字技术为普惠金融提供技术支持，可以有效降低银企之间信息不对称问题。因此，研究数字普惠金融能否缓解中小企业融资约束问题乃至促进实体经济增长具有一定的现实意义。学术界对于此方面的研究主要集中在衡量融资约束的计量方法、数字普惠金融发展水平的测度以及普惠金融与中小企业融资约束关系研究三个方面。关于衡量融资约束的计量方法主要有三种：第一，单一变量指标股利支付率、杠杆率等。Fazzari等（1988）认为，由于资本市场的不完善性，内部融资成本远低于外部融资成本。而股利支付率可以反映公司留存收益，股利支付率越高，表明企业融资越容易。此外，有学者从企业规模、杠杆率方面衡量融资约束程度。但这些都属于单变量指标，并不能准确地反映出公司融资约束情况，具有较大的误差。第二，多变量综合指数KZ指数、ZFC指数、SA指数、WW指数等。Kaplan和Luigi（1997）和魏志华等（2014）通过构建综合指标体系的方法来构建KZ指数，Cleary（1999）运用多元判别法构造ZFC指数，Whited（2006）在考虑了企业外部行业的基础上设计了WW指数，Hadlock和Pierce（2009）用企业规模和企业年龄构建SA指数。相对于单变量指标，这些指数在构建上相对更加全面。第三，两大计量模型投资-现金流敏感性模型与现金-现金流敏感性模型。Fazzari等（1988）构造出了投资-现金流敏感性模型，但由于代理成本的存在，这个模型一直存在争议。Almeida等（2004）提出了现金-现金流敏感性模型，认为融资约束公司表现出强烈的现金-现金流敏感性，即融资约束较强的企业更倾向于以现金形式持有企业现金流。连玉君等（2008）研究认为，现金-现金流敏感性模型具有科学性，被学者普遍接受。关于数字普惠金融发展水平测度方面，数字普惠金融发展水平测度的有关文献相对较少，主要集中于传统普惠金融。普惠金融是一个多维度、多指标概念，设计一套科学、准确的普惠金融评价体系尤为重要。Sarma和Pais（2011）引入银行渗透度、银行服务可利用性和银行服务的使用情况三个不同维度去测度不同国家的普惠金融发展指数。焦瑾璞等（2015）在选择和确定普惠金融影响因素的前提下，构建了3个一级指标以及19个二级指标衡量中国普惠金融发展水平。郭峰等（2020）按照科学依据，采用基于层次分析的变异系数赋权法，对数字普惠金融按地区进行测算与编制。关于数字普惠金融与中小企业融资约束关系研究，前期以普惠金融与中小企业关系为主；随着数字经济的发展和应用，数字普惠金融的发展与中小企业发展的关系引发关注。Claessens等（2003）提出普惠金融有利于中小企业融资。罗煜和贝多广（2016）认为，普惠金融可以创新中小企业的融资模式，使中小企业融资方式更加多元化。秦士晨（2017）认为，通数字普惠金融缓解中小企业融资约束研究基于20162020年中国科创板和创业板上市公司的数据王昱王帆摘要：以2016到2020年科创板和创业板企业财务数据和北京大学数字普惠金融指数及二级指标构建回归方程，用现金-现金流敏感模型以及构建综合指标体系的方法构建KZ指数，探究数字普惠金融对中小企业融资约束的作用。结果表明，在科创板与创业板上市的中小企业普遍面临融资困境，但数字普惠金融的发展对缓解该困境具有积极作用。进一步分析表明，数字普惠金融的发展对于非国有企业、东部中小企业、制造业、信息行业以及批发和零售行业缓解作用更明显。通过以上分析，从国家、金融机构、企业这三个层面提出了针对性建议，以期数字金融的普惠价值可以在中小企业融资中更好地体现，并解决中小企业融资难的问题。关键词：数字普惠金融；中小企业；融资约束；异质性；现金-现金流敏感模型；KZ指数中图分类号：F830.9；F830.4；F8312.5文献标识码：A作者单位：长春理工大学经济管理学院5DOI:10.19885/ki.hbqy.2023.03.0062023年第3期过推广以数字化为基础的新型借贷模式，可以缓解企业融资难的问题。喻平和豆俊霞（2020）认为，数字普惠金融可以通过缓解中小企业融资约束来促进企业创新。万佳彧等（2020）认为，数字金融及其三个维度均会显著缓解企业的融资约束并对企业创新产生积极影响。本文采用定性与定量分析相结合，利用我国科创板与创业板的上市企业财务指标构建综合融资约束指数KZ指数和现金-现金流敏感模型进行实证分析，并据此对中小企业融资发展问题提出相应政策建议，具有针对性。二、理论分析与研究假设中小企业协会调研数据显示，中小企业面临很大的融资困境，特别是在疫情发生后，有90%的中小企业陷入困境。政府为缓解中小企业融资难的局面，也出台过很多政策，比如对中小微企业提供差异化金融服务监督策略，合理提高小型企业不良贷款容忍度等措施，实施中小企业集合票据，优化债券发行机制，鼓励推行特定的融资工具产品等，但效果并不理想。因此，提出假设1：我国中小企业普遍存在融资困境。数字普惠金融作为传统金融的补充，可以运用大数据等技术手段对数据资源整合，也可以通过网络爬虫获取技术对企业的声誉等非数据信息提供与其相匹配的金融服务。数字普惠金融依托于数字化网络平台，可以将金融资源有效整合，大大降低了中小企业的融资成本。因此，提出假设2：数字普惠金融能够缓解中小企业面临的融资约束。企业产权性质的不同可能对企业融资的难易程度也有重要影响。作为小企业与民营企业，会受到金融机构的“规模歧视”和“所有制歧视”；而国有企业不仅可以借助政府公信力，并且信息更加透明，因此更容易得到外部融资。而数字普惠金融的发展增强了可用资源的匹配度，有效降低了民营企业与金融机构的信息不对称程度。由于中小企业从正规渠道较难获得融资，而这种数字金融模式的出现拓宽了中小企业的融资渠道，使得对其融资约束缓解作用相对更明显。因此，提出假设3：数字普惠金融对非国有中小企业融资约束的缓解效应更为明显。由于经济发展和金融发展是相辅相成的，在经济发达的地方，各类金融机构数量较多，资金比较充足，并且制度环境差异性会影响到信贷融资技术的运用。所以作为经济发展较好的东中部地区，互联网数字化程度较高，金融制度体系更加健全，相关机构会利用大数据等技术加强企业信息披露，则中小企业更容易从多种渠道获得金融资源。因此，在经济发展较好的东中部地区，数字普惠金融的作用效果更显著。因此，本文提出假设4：数字普惠金融对东中部中小企业融资约束的缓解效应要比西部更为明显。三、数据选取、模型设计及变量说明（一）数据选取本文数据来源于国泰安CSMAR数据库20162020年在科创板和创业板上市企业的财务指标，数字普惠金融衡量指标采用北京大学数字金融研究中心发布的北京大学数字普惠金融指数。此外，为保证数据质量，剔除了金融类、租赁与商务服务类企业，ST公司和数据缺失或异常的企业，最终得到3970个样本，并对数据进行了1%的Winsor处理。（二）模型设计与变量说明现金-现金流敏感性模型具有合理性和科学性，被学者普遍接受。本文主要参考Almeida等人的研究模型，建立了现金-现金流基本模型如下：DCASH=0+1CFi,t+Controli,t+i,t（1）DCASH为企业现金持有量的变动；CF为当期现金流；i是企业标识；t是时间；i,t为误差项；1为企业现金-现金流的敏感系数，若1显著为正，说明企业会持有更多现金以备用，进而说明企业存在融资约束。在模型（1）的基础上加入数字普惠金融与现金流的交互项以及地区固定效应、行业固定效应和公司性质固定效应，得到扩展模型：DCASH=0+1CFi,t+2DIFIi,tCF+Controli,t+Ri,t+Ii,t+Ti,t+i,t（2）上述DIFI为数字普惠金融指数，并将其具体为三个维度F1、F2、F3；Ri,t为地区固定效应；Ii,t为行业固定效应；Ti,t为公司性质固定效应；i,t为误差项；1反映了企业现金资产持有量变动对现金流的敏感性，1预期为正，2预期为负。相关变量说明见表1。表1对本文所涉及的所有变量进行了定义说明，其中数字普惠金融指数及其三个维度指数均按照各企业上市所在省份（直辖市）进行匹配；表2为模型主要变量的描述性统计。四、实证结果与分析（一）全样本回归结果分析从表3可以看出，CF的系数均在1%的水平上显著为正，说明我国中小企业普遍存在融资约束问题，印证了假设1。EXPEND的系数显著为负，因为企业购买固定资产、无形 经济纵横62023年第3期数字化程度0.872*(4.04)-0.001*(-2.35)0.000*(3.52)0.327*(12.09)-0.498*(-7.57)0.220*(5.92)0.003*(3.24)控制控制控制-0.150*(-7.39)3,9700.118-0.24653.92变量CFDIFICFF1CFF2CFF3CFSIZENWCEXPENDSDGROWareaINDSOEConstantNR-squaredadj_R2F基本模型0.373*(9.93)0.000*(3.15)0.333*(12.34)-0.500*(-7.58)0.221*(5.95)0.003*(3.30)控制控制控制-0.152*(-7.47)3,9700.117-0.24861.89总指数0.716*(3.94)-0.001*(-1.93)0.000*(3.47)0.328*(12.14)-0.500*(-7.59)0.221*(5.96)0.003*(3.24)控制控制控制-0.153*(-7.55)3,8870.118-0.22253.43覆盖广度0.676*(3.87)-0.001*(-1.77)0.000*(3.44)0.330*(12.19)-0.499*(-7.58)0.222*(5.97)0.003*(3.25)控制控制控制-0.151*(-7.46)3,9700.118-0.24753.54使用深度0.630*(4.04)-0.001*(-1.70)0.000*(3.42)0.330*(12.20)-0.500*(-7.59)0.222*(5.98)0.003*(3.25)控制控制控制-0.151*(-7.45)3,9700.118-0.24753.49西部0.735(-0.40)0.002(0.86)控制控制控制-0.078(-1.10)2950.117-0.2244.02变量企业性质区域非国有企业国有企业CFDIFICFControlsareaINDConstantNR-squaredadj_R2F0.384*(9.80)控制控制控制-0.149*(-7.27)3,8070.118-0.24560.280.775*(4.10)-0.001*(-2.12)控制控制控制-0.150*(-7.33)3,7300.119-0.21952.170.245*(1.76)控制控制控制-0.268*(-1.69)1630.106-0.3542.110.113(0.14)0.000(0.17)控制控制控制-0.263(-1.57)1570.106-0.3161.79东部0.767*(3.56)-0.001*(-2.00)控制控制控制-0.174*(-7.07)3,0680.120-0.22343.00中部1.163*(2.29)-0.002(