林愛杰，梁 琦，傅國華

1 中山大學 管理學院，廣州 510275 2 海南大學 管理學院，海口 570228

引言

2008年以來，中國經(jīng)濟整體債務(wù)水平和宏觀杠桿水平快速上升。債務(wù)率和杠桿率增長過快極易引發(fā)經(jīng)濟危機和金融危機[1-2]。根據(jù)國家資產(chǎn)負債表研究中心的測算，2019年年末中國的宏觀杠桿率上升至245.400%，其中非金融企業(yè)的宏觀杠桿率為151.300%，在全球處于偏高水平。非金融企業(yè)是中國債務(wù)的大頭[3]，其中國有企業(yè)和大型企業(yè)杠桿率偏高[4-5]，而對中國經(jīng)濟增長有重要貢獻的私營企業(yè)和中小企業(yè)杠桿率較低，存在突出的融資難和融資貴問題。目前中國實體經(jīng)濟正面臨債務(wù)風險高、融資難和融資貴的局面，中國金融資源配置存在渠道不暢的問題。迫切需要研究如何既能將金融資源引導至資金不足的企業(yè)又不增加實體經(jīng)濟的債務(wù)風險，數(shù)字金融的發(fā)展可能有助于破解這種雙重困境。

近年來，數(shù)字金融在中國呈現(xiàn)爆發(fā)式發(fā)展，中國數(shù)字金融市場規(guī)模在全球位居前列。數(shù)字金融為被排除在正規(guī)金融服務(wù)之外的私營企業(yè)和中小企業(yè)提供了新型融資渠道和金融服務(wù)，緩解了企業(yè)融資約束，增強了金融服務(wù)實體經(jīng)濟的能力，但鮮有研究探討數(shù)字金融是否會加劇企業(yè)的債務(wù)風險。如果數(shù)字金融既緩解了企業(yè)融資約束，又降低了企業(yè)債務(wù)風險，便起到一舉兩得的作用。因此，本研究探討中國數(shù)字金融發(fā)展對企業(yè)杠桿率的影響，這對于防范和化解重大風險、深化金融供給側(cè)結(jié)構(gòu)性改革、優(yōu)化金融資源配置、提升中國經(jīng)濟整體效率具有重要意義。

1 相關(guān)研究評述

1.1 數(shù)字金融發(fā)展的經(jīng)濟后果

已有研究主要關(guān)注數(shù)字金融發(fā)展對經(jīng)濟活動和傳統(tǒng)金融市場的影響。在經(jīng)濟活動方面，數(shù)字金融發(fā)展促進了居民消費[6]，縮小了城鄉(xiāng)居民收入差距[7]，減少了農(nóng)村生產(chǎn)性正規(guī)信貸需求，增加了農(nóng)村消費性正規(guī)信貸需求[8]，提高了農(nóng)村低收入家庭的收入[9]，通過緩解借款人的融資約束促進了創(chuàng)業(yè)和企業(yè)創(chuàng)新[10-11]。由此可見，數(shù)字金融發(fā)展對經(jīng)濟活動產(chǎn)生了諸多積極作用。

在對傳統(tǒng)金融市場的影響方面，數(shù)字金融發(fā)展加劇了銀行風險承擔[12]，推動了利率市場化，對銀行的負債結(jié)構(gòu)產(chǎn)生了顯著影響，負債結(jié)構(gòu)的變化使銀行資產(chǎn)端的風險承擔偏好上升[13]。此外，數(shù)字金融對依賴傳統(tǒng)金融中介的貨幣政策效果造成沖擊[14]，削弱了貨幣政策銀行信貸渠道的有效性[15]。

1.2 金融和企業(yè)杠桿率

雖然影響企業(yè)杠桿率的因素眾多，但由于數(shù)字金融發(fā)展時間較短，關(guān)于數(shù)字金融發(fā)展和企業(yè)杠桿率的研究并不多。有少數(shù)研究關(guān)注數(shù)字金融發(fā)展與企業(yè)杠桿率之間的關(guān)系。張斌彬等[16]從數(shù)字金融的融資功能出發(fā)，闡述影響企業(yè)杠桿率的機理，認為數(shù)字金融發(fā)展優(yōu)化了以間接融資為主的中國金融體系，并利用2007年至2017年滬深兩市A股上市企業(yè)數(shù)據(jù)檢驗發(fā)現(xiàn)，數(shù)字金融發(fā)展通過緩解企業(yè)融資約束、降低企業(yè)財務(wù)費用、提升企業(yè)內(nèi)部控制和風險穩(wěn)定程度來降低企業(yè)杠桿率；阮堅等[17]利用2011年至2017年滬深兩市A股上市企業(yè)數(shù)據(jù)檢驗發(fā)現(xiàn)，數(shù)字金融發(fā)展顯著降低了企業(yè)杠桿率；唐松等[18]同樣利用2011年至2017年滬深兩市A股上市企業(yè)數(shù)據(jù)研究發(fā)現(xiàn)，數(shù)字金融發(fā)展改善了企業(yè)融資環(huán)境，降低了企業(yè)通過加杠桿獲取融資的主動性需求，從而驅(qū)動企業(yè)去杠桿。

對于數(shù)字金融發(fā)展與企業(yè)杠桿率關(guān)系的研究，其研究難點在于：①研究人員通常缺乏充分的數(shù)據(jù)構(gòu)建測量數(shù)字金融多種業(yè)務(wù)形態(tài)發(fā)展水平的指標體系，增加了開展相關(guān)實證研究的難度。②數(shù)字金融是新興事物，在中國的發(fā)展時間還不長，觀察數(shù)字金融發(fā)展的影響需要較長的時間，才能更準確地考察數(shù)字金融發(fā)展與企業(yè)杠桿率的關(guān)系。③從企業(yè)規(guī)模維度看，目前中國數(shù)字金融的主要服務(wù)對象是被排除在正規(guī)金融服務(wù)之外的中小企業(yè)，而該類企業(yè)數(shù)據(jù)難以收集和獲取；上市企業(yè)規(guī)模較大，融資渠道多元化，融資約束程度比中小企業(yè)低得多，但大企業(yè)并不是數(shù)字金融的主要服務(wù)對象。已有研究常用上市企業(yè)數(shù)據(jù)研究數(shù)字金融發(fā)展對其行為的影響，這與上市公司數(shù)據(jù)易獲取有關(guān)，但結(jié)果可能有誤。這些可能是導致目前數(shù)字金融發(fā)展與企業(yè)行為包括杠桿率之間關(guān)系的研究較少的重要原因。

對于前兩個研究難點，北京大學數(shù)字金融研究中心課題組利用螞蟻金服關(guān)于數(shù)字普惠金融的海量微觀數(shù)據(jù)，編制了一套2011年至2018年中國省份、城市和縣域3個層級的北京大學數(shù)字普惠金融指數(shù)，較為科學、全面和準確地刻畫了中國一段較長時間跨度的數(shù)字金融多種業(yè)態(tài)的實際發(fā)展狀況[19]，這為實證檢驗數(shù)字金融發(fā)展的影響提供了數(shù)據(jù)基礎(chǔ)。為克服第3個研究難點，本研究未采用上市企業(yè)數(shù)據(jù)，而是利用各省工業(yè)數(shù)據(jù)和2位數(shù)代碼制造業(yè)行業(yè)數(shù)據(jù)檢驗數(shù)字金融發(fā)展對企業(yè)杠桿率的影響。

已有研究聚焦于傳統(tǒng)金融和貨幣政策對企業(yè)杠桿率的影響，卻對數(shù)字金融與企業(yè)杠桿率的關(guān)系缺少關(guān)注。已有研究探討國家(地區(qū))宏觀層面的金融結(jié)構(gòu)對企業(yè)杠桿率的影響，發(fā)現(xiàn)金融結(jié)構(gòu)市場化程度越高，企業(yè)杠桿率越低，二者呈反向關(guān)系[20-21]。曾海艦等[22]利用中國上市公司數(shù)據(jù)檢驗發(fā)現(xiàn)，信貸擴張為規(guī)模小、民營化程度高和擔保能力弱的公司提供了較多的銀行資金，其負債水平也顯著提高，而信貸緊縮則產(chǎn)生了相反的效果。

金融結(jié)構(gòu)市場化有利于降低企業(yè)杠桿率，但是只有上市企業(yè)才能利用資本市場進行直接融資，中國數(shù)量龐大的非上市企業(yè)則被拒之門外。寬松型貨幣政策雖然能夠緩解企業(yè)融資約束，但抬高了企業(yè)杠桿率，增加了企業(yè)債務(wù)風險。數(shù)字金融是異于傳統(tǒng)金融的一種新型金融模式，雖未改變金融的本質(zhì)，但具有與傳統(tǒng)金融不同的特性。中國是全球規(guī)模最大的數(shù)字金融市場之一，數(shù)字金融對中國實體經(jīng)濟的影響應(yīng)得到更多關(guān)注。

由于不同規(guī)模(大企業(yè)和中小企業(yè))、不同所有制(國有企業(yè)和私營企業(yè))、不同區(qū)域(中部和非中部)、不同研發(fā)投入強度(高技術(shù)行業(yè)和傳統(tǒng)行業(yè))的企業(yè)之間融資約束程度存在很大差異，企業(yè)對數(shù)字金融的依賴程度可能不同，受到的影響也不同。本研究分別考察數(shù)字金融發(fā)展對不同規(guī)模、不同所有制、不同區(qū)域、不同研發(fā)投入強度的企業(yè)杠桿率的異質(zhì)性影響，既反映了中國金融體系結(jié)構(gòu)和實體經(jīng)濟發(fā)展的特征，又體現(xiàn)了傳統(tǒng)金融與數(shù)字金融之間的相互關(guān)系。數(shù)字金融可能對不同期限的企業(yè)杠桿率產(chǎn)生異質(zhì)性影響，本研究進一步細分短期杠桿率、長期杠桿率和債務(wù)期限并進行檢驗。

2 理論分析和研究假設(shè)

目前，中國數(shù)字金融發(fā)展最快、應(yīng)用最廣的是支付、融資和投資等功能，支付功能是金融的基礎(chǔ)功能，也是數(shù)字金融被大眾使用最多的功能，是數(shù)字金融最主要的業(yè)務(wù)模式，針對資金供給和需求的融資和投資功能次之。

(1)與傳統(tǒng)的現(xiàn)金、支票、預(yù)付款、匯款等支付方式相比，數(shù)字金融的支付功能更加安全、高效和便捷，它打破了支付的時空束縛，加快了企業(yè)資金周轉(zhuǎn)速度，提高了資金利用效率，有利于提升企業(yè)經(jīng)營績效，降低企業(yè)杠桿率。由于移動支付和電子貨幣都具有網(wǎng)絡(luò)規(guī)模效應(yīng)，交易成本很低，隨著移動支付技術(shù)安全性的不斷提高，移動支付不僅用于日常生活中的小額支付，還用于企業(yè)間的大額支付，有可能取代現(xiàn)金、支票、銀行卡、信用卡等傳統(tǒng)支付結(jié)算手段，提高了支付結(jié)算效率，降低了支付的資金成本和時間成本[23]。以支付寶為代表的第三方支付充當了電子商務(wù)平臺上的商戶與消費者之間的交易信用中介，促使網(wǎng)上交易達成。數(shù)字金融其他業(yè)態(tài)，如網(wǎng)絡(luò)貸款、網(wǎng)絡(luò)眾籌和互聯(lián)網(wǎng)理財?shù)纫惨蕾囉诘谌街Ц叮脩袅舸嬖诨ヂ?lián)網(wǎng)上的交易信息和其他支付記錄有助于解決互聯(lián)網(wǎng)中的信息不對稱問題[24]。傳統(tǒng)銀行利用互聯(lián)網(wǎng)等信息技術(shù)提高了銀行體系的支付清算效率，使交易雙方特別是資金接收方的利益得到最大程度的保障。而數(shù)字金融的支付工具和支付體系，具有某些“脫媒”和高技術(shù)特性，比傳統(tǒng)銀行利用互聯(lián)網(wǎng)技術(shù)進行創(chuàng)新和改進的支付工具和支付體系更加靈活、便捷、快速和高效，大幅提升了整個金融體系的支付清算效率[25]。

JACK et al.[26]利用在肯尼亞實施的一項家庭調(diào)查數(shù)據(jù)，研究基于非智能手機的移動支付工具M-PESA對家庭風險分擔的影響，發(fā)現(xiàn)負面收入沖擊降低了非M-PESA用戶家庭的人均消費水平，但未降低M-PESA用戶家庭的人均消費水平，M-PESA使家庭在遭受負面收入沖擊時能夠收到更多的匯款來平滑消費和消除風險的影響；SURI et al.[27]進一步研究發(fā)現(xiàn)，M-PESA提高了肯尼亞家庭的人均消費水平，使19.4 萬個家庭脫離極端貧困；BECK et al.[28]以M-PESA為例，構(gòu)建了一個包含商業(yè)信貸約束、信息不對稱和資金易被盜3種市場摩擦的動態(tài)一般均衡模型，利用肯尼亞的企業(yè)層面數(shù)據(jù)進行校準研究，發(fā)現(xiàn)生產(chǎn)率越高且獲得商業(yè)信貸的企業(yè)，在向供應(yīng)商購買投入品時越可能使用移動支付工具，使用移動支付工具反過來改善了企業(yè)的商業(yè)信貸約束，減少了企業(yè)產(chǎn)出損失，促進了企業(yè)成長。

(2)對數(shù)字金融的融資功能而言，與傳統(tǒng)金融機構(gòu)只注重借款人的收入、信用記錄和資產(chǎn)等財務(wù)硬信息的信用評估模型不同，數(shù)字金融機構(gòu)通過利用大數(shù)據(jù)、云計算和人工智能等新一代信息技術(shù)，分析和挖掘借款人在互聯(lián)網(wǎng)上留存的大量行為數(shù)據(jù)等軟信息，對借款人進行信用評估。新一代信息技術(shù)與過去以互聯(lián)網(wǎng)為主的信息技術(shù)在金融市場中發(fā)揮的作用不同，過去的信息技術(shù)只是獲取借款者的硬信息而非軟信息，這能在一定程度上打破借貸雙方的時空限制；而新一代信息技術(shù)不僅能獲得借款人的硬信息，還能挖掘借款人的軟信息，緩解借貸雙方的信息不對稱程度，有效控制信貸風險，使沒有充分硬信息的借款人也能獲得融資。曾鵬志等[29]研究發(fā)現(xiàn)，網(wǎng)貸平臺上的借款人披露的標準信息和非標準信息數(shù)量越多，越有可能獲得借款；DUARTE et al.[30]發(fā)現(xiàn)網(wǎng)貸平臺上長相看起來更值得信任的借款人獲得融資的概率更高、得到的信用評分更高、違約率更低；王會娟等[31]利用網(wǎng)貸平臺的交易數(shù)據(jù)檢驗發(fā)現(xiàn)，信用認證機制對揭示信用風險具有積極作用，借款人信用評級越高，借款成功率越高、成本越低。網(wǎng)貸平臺上的個人借款并非全都用于消費，部分中小企業(yè)主以個人身份在網(wǎng)貸平臺上借款用于企業(yè)生產(chǎn)經(jīng)營，這有助于緩解中小企業(yè)融資約束。數(shù)字金融能夠降低處于金融需求長尾的中小企業(yè)與貸款人之間的信息不對稱程度，為中小企業(yè)提供融資能夠?qū)崿F(xiàn)外部經(jīng)濟、規(guī)模經(jīng)濟和范圍經(jīng)濟三重效應(yīng)，從而降低金融交易成本[32]。

除了網(wǎng)貸平臺模式之外，另一種數(shù)字金融機構(gòu)提供的網(wǎng)絡(luò)小額貸款利用借款人的非財務(wù)硬信息和軟信息作為信貸決策的依據(jù)，降低了借貸雙方的信息不對稱程度，加快了信貸審批效率，降低了信貸融資成本和門檻，擴大了金融服務(wù)群體，緩解了借款人的融資約束，并控制了信貸風險。中國的電商平臺生成大量可用于信用分析的商戶和消費者數(shù)據(jù)，數(shù)字金融機構(gòu)能夠利用大數(shù)據(jù)技術(shù)挖掘這些數(shù)據(jù)，為具有更高事前信用風險、常被排除在傳統(tǒng)銀行信貸之外的借款人提供貸款，借款人的信息越多，貸款人對風險定價越精確，還能根據(jù)特定群體的風險特征調(diào)整信貸條款，對電商平臺的實時銷售監(jiān)控也使數(shù)字金融機構(gòu)比傳統(tǒng)銀行具有顯著的信息優(yōu)勢，能夠?qū)杩钊诉M行更嚴格的篩選[33]。FUSTER et al.[34]認為數(shù)字金融貸款模式代表了一種技術(shù)創(chuàng)新，能夠減少抵押貸款中的摩擦，利用美國住房抵押貸款層面的數(shù)據(jù)研究發(fā)現(xiàn)，數(shù)字金融貸款機構(gòu)的貸款審批速度比傳統(tǒng)貸款機構(gòu)更快，而且貸款違約率比傳統(tǒng)貸款機構(gòu)更低，表明更加快速的貸款審批未增加數(shù)字金融貸款的違約風險。數(shù)字金融通過挖掘更全面的用戶信息，降低借貸雙方的信息不對稱程度；加快信貸審批程序，減少融資成本；擴大金融服務(wù)覆蓋面，降低信貸市場準入門檻，從而緩解企業(yè)融資約束[11]。

綜上所述，數(shù)字金融通過利用大數(shù)據(jù)、云計算和人工智能等新一代信息技術(shù)，提高了信貸服務(wù)效率，減少了企業(yè)融資成本，建立了完善的風險控制體系，降低了企業(yè)與貸款人之間的信息不對稱程度，緩解了企業(yè)融資約束。優(yōu)質(zhì)企業(yè)能夠獲得貸款，而劣質(zhì)企業(yè)被排除在授信之外，在行業(yè)層面上表現(xiàn)為杠杠率降低。另外，網(wǎng)絡(luò)貸款屬于債權(quán)融資，股權(quán)眾籌屬于股權(quán)融資。通過網(wǎng)絡(luò)借貸獲得的外部資金屬于企業(yè)債務(wù)，如果企業(yè)高效運用債務(wù)資金，形成有效資產(chǎn)，使企業(yè)利潤和總資產(chǎn)增加，則企業(yè)杠桿率下降，表現(xiàn)為企業(yè)杠桿率偏低；如果企業(yè)不能高效利用債務(wù)資金，不能形成有效資產(chǎn)，則企業(yè)杠桿率上升，表現(xiàn)為企業(yè)杠桿率偏高。目前中國網(wǎng)絡(luò)貸款期限大多在1年以內(nèi)，以短期借款為主。企業(yè)負債包括短期負債和長期負債，較短的貸款期限影響的是企業(yè)短期杠桿率和總杠桿率，不會影響長期杠桿率，但短期杠桿率降低的同時會增加企業(yè)債務(wù)期限。數(shù)字金融中的股權(quán)眾籌提高了企業(yè)資產(chǎn)負債表中權(quán)益資產(chǎn)比例，同樣表現(xiàn)為企業(yè)杠桿率偏低。數(shù)字金融的投資理財功能可以為企業(yè)的閑置資金賺取額外收益，有利于增加企業(yè)資產(chǎn)、降低企業(yè)杠桿率。根據(jù)以上分析，本研究提出假設(shè)。

H1數(shù)字金融發(fā)展能夠降低企業(yè)總杠桿率和短期杠桿率，增加企業(yè)債務(wù)期限，但不影響長期杠桿率。

與大企業(yè)相比，中小企業(yè)由于規(guī)模有限、財務(wù)硬信息少、可抵押資產(chǎn)少、經(jīng)營記錄不完善，與貸款人之間的信息不對稱問題更加嚴重，信息不對稱提高了傳統(tǒng)金融機構(gòu)對中小企業(yè)的金融交易成本，導致中小企業(yè)融資難和融資貴。而數(shù)字金融具有低成本、廣覆蓋、高效率的特點，可以有效補充傳統(tǒng)金融服務(wù)觸及不到或不愿觸及的領(lǐng)域和地區(qū)，為中小企業(yè)提供普惠金融服務(wù)。大企業(yè)比中小企業(yè)具有更加多元化的融資渠道，對數(shù)字金融的依賴程度較低，而中小企業(yè)對數(shù)字金融的依賴程度較高。因此，本研究考察數(shù)字金融發(fā)展對不同規(guī)模的企業(yè)杠桿率的異質(zhì)性影響。

中國是銀行主導型金融體系，信貸市場存在嚴重的所有制歧視，表現(xiàn)為國有企業(yè)通常能夠以較低的利率獲得銀行貸款，而私營企業(yè)難以從銀行獲得貸款，存在融資難和融資貴的問題。在中國的銀行正式貸款分配方面，對國民經(jīng)濟發(fā)展做出重要貢獻的私營企業(yè)獲得的銀行正式貸款份額遠低于國有企業(yè)[35]，私營企業(yè)受到銀行信貸歧視主要是由于政治因素、規(guī)模較小和貸款政策三方面原因[36]。國有企業(yè)能夠從傳統(tǒng)銀行獲得更多的資金，面臨的融資約束程度較低；而私營企業(yè)由于難以從傳統(tǒng)銀行獲得資金，融資約束程度較高，導致私營企業(yè)比國有企業(yè)更加依賴數(shù)字金融的信貸資金。數(shù)字金融能夠緩解企業(yè)融資約束的關(guān)鍵機制在于降低借貸雙方的信息不對稱程度，而私營企業(yè)的信息不對稱問題比國有企業(yè)更加嚴重，私營企業(yè)的融資約束比國有企業(yè)更高[37]。數(shù)字金融改善私營企業(yè)信息透明度的作用高于國有企業(yè)，對私營企業(yè)融資約束的緩解作用強于國有企業(yè)，理論上對私營企業(yè)杠桿率的影響也應(yīng)比國有企業(yè)更加明顯。因此，本研究考察數(shù)字金融發(fā)展對國有企業(yè)與私營企業(yè)杠桿率的異質(zhì)性影響。根據(jù)以上分析，本研究提出假設(shè)。

H2數(shù)字金融發(fā)展對企業(yè)杠桿率的影響隨企業(yè)規(guī)模和所有權(quán)性質(zhì)的不同而不同。

金融對經(jīng)濟發(fā)展具有先導作用，金融發(fā)展有助于提高中國經(jīng)濟全要素生產(chǎn)率[38]。長期以來中國區(qū)域發(fā)展不平衡、不協(xié)調(diào)的一個重要原因是中國區(qū)域金融發(fā)展差異巨大，金融資源在地區(qū)之間分布不平衡。根據(jù)央行發(fā)布的《中國區(qū)域金融運行報告(2018)》，2017年東部地區(qū)的社會融資規(guī)模增量占比為53.9%，中部地區(qū)該占比為20.1%，西部地區(qū)該占比為21.6%，東北地區(qū)該占比為4.4%，銀行業(yè)資產(chǎn)規(guī)模、金融機構(gòu)網(wǎng)點數(shù)量和從業(yè)人員數(shù)量也呈現(xiàn)類似的地區(qū)分布狀況。數(shù)字金融的發(fā)展受到金融基礎(chǔ)設(shè)施和互聯(lián)網(wǎng)普及程度的影響，西部地區(qū)傳統(tǒng)金融資源不足，金融基礎(chǔ)設(shè)施落后，限制了數(shù)字金融的發(fā)展。根據(jù)中國互聯(lián)網(wǎng)信息中心發(fā)布的第39次《中國互聯(lián)網(wǎng)絡(luò)發(fā)展狀況統(tǒng)計報告》，2016年西部地區(qū)平均互聯(lián)網(wǎng)普及率為48.133%，與全國平均水平存在一定差距，這也制約了數(shù)字金融跨時空配置金融資源的作用。因此，數(shù)字金融發(fā)展對西部地區(qū)企業(yè)杠桿率的影響有限。東部地區(qū)傳統(tǒng)金融資源豐富，傳統(tǒng)金融資源配置效率較高，因此東部地區(qū)企業(yè)受數(shù)字金融發(fā)展的影響較小。根據(jù)以上分析，本研究提出假設(shè)。

H3數(shù)字金融發(fā)展對中部地區(qū)企業(yè)杠桿率的影響程度大于對非中部地區(qū)企業(yè)杠桿率的影響程度。

高技術(shù)企業(yè)通常具有知識和技術(shù)密集的特點，創(chuàng)新研發(fā)費用投入大，從產(chǎn)品研制到投放市場的周期較長，不確定因素較多且風險難以預(yù)見，這些特點加大了高技術(shù)企業(yè)的融資難度。在債權(quán)融資方面，中國是銀行主導型金融體系，銀行普遍只認可土地、房產(chǎn)和其他自有資產(chǎn)等抵押品，企業(yè)一旦出現(xiàn)債務(wù)違約，銀行便可以處置抵押品以挽回部分損失，這有助于克服由借貸雙方信息不對稱引發(fā)的道德風險問題，風險越高的企業(yè)被要求提供抵押品的可能性越大[39-40]。與傳統(tǒng)行業(yè)企業(yè)相比，高技術(shù)企業(yè)缺少實物抵押資產(chǎn)，在不動產(chǎn)抵押上不具備優(yōu)勢，高技術(shù)企業(yè)的優(yōu)勢在于技術(shù)創(chuàng)新和擁有較多的知識產(chǎn)權(quán)。但由于缺少權(quán)威的知識產(chǎn)權(quán)評估機構(gòu)，知識產(chǎn)權(quán)抵押的實行效果并不理想，單一投資者也很難分辨其技術(shù)創(chuàng)新的真實性、創(chuàng)新程度、風險水平和應(yīng)用前景，風險資本對高技術(shù)企業(yè)的支持通常局限于自己熟悉的行業(yè)和技術(shù)企業(yè)，而且存在地理親近現(xiàn)象[41-42]，對數(shù)量龐大、行業(yè)眾多和地理分布廣泛的高技術(shù)企業(yè)支持有限。在對銀行和金融市場融資選擇上，銀行更傾向于技術(shù)產(chǎn)品成熟、風險較低和資本回報穩(wěn)定的傳統(tǒng)行業(yè)；對于依靠技術(shù)創(chuàng)新和產(chǎn)品研發(fā)的高技術(shù)行業(yè)，其技術(shù)風險和市場風險都較高，更適合在金融市場上融資[43]。

從股權(quán)融資看，盡管目前中國資本市場已經(jīng)設(shè)立了中小板、創(chuàng)業(yè)板、新三板和科創(chuàng)板，但總體上對創(chuàng)新型高技術(shù)企業(yè)發(fā)展的支持力度還有待提升。資本市場重視實實在在的企業(yè)財務(wù)數(shù)據(jù)和硬資產(chǎn)，中國資本市場上市條件仍然對企業(yè)盈利有較高的要求，輕資產(chǎn)、知識技術(shù)密集的高技術(shù)企業(yè)比傳統(tǒng)行業(yè)企業(yè)上市難度更高。數(shù)字金融能夠有效識別企業(yè)的軟信息，契合了被排除在傳統(tǒng)債權(quán)融資和股權(quán)融資之外的高技術(shù)企業(yè)的融資需求。關(guān)于行業(yè)技術(shù)水平差異產(chǎn)生的異質(zhì)性影響，譚小芬等[21]認為，金融結(jié)構(gòu)市場化對企業(yè)杠桿率的影響在科技創(chuàng)新型行業(yè)顯著大于傳統(tǒng)行業(yè)；潘敏等[44]認為，金融中介創(chuàng)新對企業(yè)技術(shù)創(chuàng)新的影響在高技術(shù)行業(yè)更強。根據(jù)以上分析，本研究提出假設(shè)。

H4數(shù)字金融發(fā)展對高技術(shù)行業(yè)企業(yè)杠桿率的影響程度大于對傳統(tǒng)行業(yè)企業(yè)杠桿率的影響程度。

3 研究設(shè)計

目前中國數(shù)字金融的主要服務(wù)對象是中小企業(yè)而非大企業(yè)，中國工業(yè)企業(yè)中絕大部分是中小企業(yè)。基于數(shù)據(jù)可得性，本研究選擇2012年至2016年中國31個省份工業(yè)數(shù)據(jù)和31個2位數(shù)代碼制造業(yè)行業(yè)相關(guān)數(shù)據(jù)作為樣本。最終得到155個工業(yè)樣本和3 702個2位數(shù)代碼制造業(yè)行業(yè)樣本。參考潘敏等[44]采用國家制造業(yè)整體行業(yè)數(shù)據(jù)和國家制造業(yè)細分行業(yè)數(shù)據(jù)檢驗金融中介創(chuàng)新對企業(yè)技術(shù)創(chuàng)新及其行業(yè)異質(zhì)性的研究，為了檢驗4個研究假設(shè)，本研究從兩個層面進行實證分析。①利用中國各省工業(yè)企業(yè)整體數(shù)據(jù)，從總體層面檢驗數(shù)字金融發(fā)展對各省工業(yè)企業(yè)杠桿率以及不同規(guī)模、不同所有制工業(yè)企業(yè)杠桿率的異質(zhì)性影響；②利用各省2位數(shù)代碼制造業(yè)細分行業(yè)數(shù)據(jù)，檢驗數(shù)字金融發(fā)展對不同區(qū)域和不同研發(fā)投入強度的制造業(yè)行業(yè)企業(yè)杠桿率的異質(zhì)性影響。

本研究采用北京大學數(shù)字金融研究中心課題組編制的數(shù)字普惠金融指數(shù)的省級數(shù)據(jù)測量各省的數(shù)字金融發(fā)展程度，該指數(shù)根據(jù)中國最大的數(shù)字金融公司螞蟻金服關(guān)于普惠金融的海量數(shù)據(jù)編制，具有代表性和可靠性，郭峰等[19]對該指數(shù)的編制過程進行了詳細說明，已有研究使用該指數(shù)研究數(shù)字金融發(fā)展對居民消費[6]、城鄉(xiāng)收入差距[7]、信貸需求[8]、家庭收入[9]、創(chuàng)業(yè)[10]和銀行行為[13]的影響。本研究選取2011年至2015年數(shù)字普惠金融指數(shù)中的總指數(shù)、覆蓋廣度指數(shù)、使用深度指數(shù)和數(shù)字化程度指數(shù)共4個指數(shù)測量不同維度的數(shù)字金融發(fā)展狀況。數(shù)字金融覆蓋越廣，該地區(qū)使用電子賬戶的人群越多，該地區(qū)整體的金融服務(wù)環(huán)境越好，企業(yè)能夠獲得更加多元化的金融服務(wù)；使用深度指數(shù)由支付業(yè)務(wù)、貨幣基金業(yè)務(wù)、信貸業(yè)務(wù)、保險業(yè)務(wù)、投資業(yè)務(wù)和征信業(yè)務(wù)指標合成，使用深度指數(shù)越高，表示該地區(qū)對各項數(shù)字金融業(yè)務(wù)的依賴程度越深；數(shù)字化程度指數(shù)反映數(shù)字金融使用的便利性和低成本優(yōu)勢。工業(yè)企業(yè)杠桿率可能會反向影響各省的數(shù)字金融發(fā)展，為減弱反向因果引起的內(nèi)生性問題，本研究使用所有連續(xù)型解釋變量滯后1期的數(shù)據(jù)。

參考有關(guān)企業(yè)杠桿率的研究[45]，并考慮到數(shù)據(jù)的可得性與變量之間的共線性問題，本研究選取省級層面控制變量：①金融發(fā)展水平，為銀行業(yè)金融機構(gòu)各項貸款余額占GDP的比重；②融資結(jié)構(gòu)，為直接融資占社會融資規(guī)模的比重，直接融資為企業(yè)債券與非金融企業(yè)境內(nèi)股票融資之和；③實際加權(quán)貸款利率，等于根據(jù)1年期貸款基準利率按時間加權(quán)計算得到名義加權(quán)貸款利率，再扣除各省對應(yīng)年份的CPI(上年為100)；④實際M2增長率，等于名義M2增長率扣除各省對應(yīng)年份的CPI(上年為100)；⑤實際GDP增速，先利用2010年至2015年各省的CPI(2010年為100)對各省名義GDP進行平減得到實際GDP，再根據(jù)實際GDP計算出2011年至2015年各省實際GDP增速。用實際加權(quán)貸款利率和實際M2增長率反映貨幣政策對企業(yè)杠桿率的影響。國家層面控制變量：去杠桿政策，因為2015年12月召開的中央經(jīng)濟工作會議提出去杠桿的結(jié)構(gòu)性改革任務(wù)，去杠桿政策可能降低企業(yè)杠桿率，因此，設(shè)置年份虛擬變量，2016年去杠桿政策取值為1，其他年份取值為0。行業(yè)層面控制變量：①資產(chǎn)回報率，為利潤總額除以總資產(chǎn)；②固定資產(chǎn)比重，為固定資產(chǎn)與總資產(chǎn)之比，反映固定資產(chǎn)的抵押潛力；③所有權(quán)結(jié)構(gòu)，為國家資本占實收資本的比重，因為在中國對不同所有制企業(yè)存在信貸歧視，國有企業(yè)比私營企業(yè)更容易獲得貸款，故以此變量控制所有制差異的影響。

以上數(shù)據(jù)源自《中國統(tǒng)計年鑒》《中國工業(yè)統(tǒng)計年鑒》《中國金融年鑒》和Wind數(shù)據(jù)庫。對所有的連續(xù)型變量均在1%～99%區(qū)間進行winsorize處理，以消除離群值的影響。

(1)數(shù)字金融發(fā)展與工業(yè)企業(yè)杠桿率的關(guān)系

數(shù)字金融發(fā)展與各省工業(yè)企業(yè)杠桿率的二維面板回歸模型為

Yi,t=α0+α1Indi,t-1+α2Fini,t-1+α3Diri,t-1+α4Loai,t-1+

α5M2i,t-1+α6Gdpi,t-1+α7Polt+α8Roai,t-1+

α9Fixi,t-1+α10Owni,t-1+ui+εi,t

(1)

其中，i為省，泛指大陸22個省、4個直轄市、5個自治區(qū)；t為年，即2012年至2016年共5年；Y為企業(yè)杠桿率，包括企業(yè)總杠桿率、企業(yè)短期杠桿率、企業(yè)長期杠桿率和企業(yè)債務(wù)期限，企業(yè)總杠桿率為企業(yè)總負債除以企業(yè)總資產(chǎn)，企業(yè)短期杠桿率為企業(yè)流動負債除以企業(yè)總資產(chǎn)，企業(yè)長期杠桿率為企業(yè)非流動負債除以企業(yè)總資產(chǎn)，企業(yè)債務(wù)期限為企業(yè)非流動負債除以企業(yè)總負債；Ind為數(shù)字金融發(fā)展程度，分別用總指數(shù)、覆蓋廣度指數(shù)、使用深度指數(shù)和數(shù)字化程度指數(shù)表征。α0為常數(shù)項，α1～α10為變量的回歸系數(shù)，ui為省份固定效應(yīng)，εi,t為殘差項。其他變量含義見表1。α1的標準誤采用省級層面的聚類穩(wěn)健標準誤，根據(jù)H1，被解釋變量為總杠桿率和短期杠桿率時，預(yù)期α1顯著為負。

表1 描述性統(tǒng)計結(jié)果Table 1 Results for Descriptive Statistics

(2)數(shù)字金融發(fā)展與制造業(yè)行業(yè)企業(yè)杠桿率的關(guān)系

制造業(yè)是實體經(jīng)濟的主體，本研究根據(jù)《國民經(jīng)濟行業(yè)分類》(GB/T 4754-2011)，對各省2位數(shù)代碼制造業(yè)的31個行業(yè)構(gòu)建三維面板回歸模型進行實證分析。設(shè)定數(shù)字金融發(fā)展與各省2位數(shù)代碼制造業(yè)行業(yè)企業(yè)杠桿率的三維面板回歸模型為

Yi,j,s=β0+β1Indi,s-1+β2Fini,s-1+β3Diri,s-1+β4Loai,s-1+

β5M2i,s-1+β6Gdpi,s-1+β7Pols+β8Roai,j,s-1+

β9Fixi,j,s-1+β10Owni,j,s-1+vi,j+δi,j,s

(2)

其中，j為2位數(shù)代碼制造業(yè)行業(yè)；s為年，由于缺少2011年制造業(yè)行業(yè)層面的控制變量數(shù)據(jù)，取值為2013年至2016年共4年；β0為常數(shù)項，β1～β10為變量的回歸系數(shù)，vi,j為省份-行業(yè)固定效應(yīng)，δi,j,s為殘差項。β1的標準誤采用省份-行業(yè)層面的聚類穩(wěn)健標準誤，根據(jù)H1，被解釋變量為總杠桿率和短期杠桿率時，預(yù)期β1顯著為負。在2位數(shù)代碼制造業(yè)行業(yè)層面，行業(yè)企業(yè)杠桿率反向影響各省數(shù)字金融發(fā)展的強度大大降低，但為了最大程度地減弱可能存在的反向因果關(guān)系，所有連續(xù)型解釋變量仍然采用滯后1期數(shù)據(jù)。(1)式和(2)式均采用固定效應(yīng)模型進行基準回歸估計。

表1給出變量的描述性統(tǒng)計結(jié)果。其中，大型工業(yè)企業(yè)總杠桿率的均值為59.786%，中位數(shù)為60.592%，大于中型工業(yè)企業(yè)和小型工業(yè)企業(yè)總杠桿率的均值和中位數(shù)，表明企業(yè)規(guī)模越小杠桿率越低；國有工業(yè)企業(yè)總杠桿率的均值為61.622%，中位數(shù)為63.939%，大于私營工業(yè)企業(yè)總杠桿率的均值和中位數(shù)。以上結(jié)果在一定程度上反映了不同規(guī)模和所有制企業(yè)的融資能力存在差異，與已有研究結(jié)果一致。

4 實證結(jié)果和分析

4.1 數(shù)字金融發(fā)展對工業(yè)企業(yè)杠桿率的影響

4.1.1 數(shù)字普惠金融指數(shù)對工業(yè)企業(yè)杠桿率的影響

根據(jù)(1)式，表2給出數(shù)字普惠金融指數(shù)對各省工業(yè)企業(yè)總杠桿率的回歸結(jié)果。表2的(1)列～(4)列分別檢驗了數(shù)字普惠金融總指數(shù)、覆蓋廣度指數(shù)、使用深度指數(shù)和數(shù)字化程度指數(shù)對工業(yè)企業(yè)總杠桿率的影響。在控制宏觀政策、省份和行業(yè)層面的影響因素后，數(shù)字普惠金融各指數(shù)的回歸系數(shù)均在5%水平上顯著為負，表明數(shù)字金融發(fā)展顯著降低工業(yè)企業(yè)總杠桿率，數(shù)字普惠金融總指數(shù)增長100個單位，工業(yè)企業(yè)總杠桿率降低1.700%，即數(shù)字金融越發(fā)達的省份，工業(yè)企業(yè)總杠桿率越低。各指數(shù)的回歸結(jié)果表明數(shù)字普惠金融覆蓋廣度、使用深度和數(shù)字化程度增加，都有利于降低工業(yè)企業(yè)總杠桿率。

控制變量方面，金融發(fā)展水平越高、直接融資比重越高、實際加權(quán)貸款利率越低、實際M2增長越快，工業(yè)企業(yè)總杠桿率越高；實際GDP增速對工業(yè)企業(yè)總杠桿率沒有產(chǎn)生顯著影響；宏觀去杠桿政策顯著降低工業(yè)企業(yè)總杠桿率，體現(xiàn)了去杠桿政策的有效性，有利于防控實體經(jīng)濟風險和系統(tǒng)性金融風險。

表2 數(shù)字普惠金融指數(shù)與工業(yè)企業(yè) 總杠桿率的回歸結(jié)果Table 2 Regression Results for Digital Financial Inclusion Indexes and Total Leverage Ratio of Industrial Enterprises

本研究進一步考察數(shù)字金融發(fā)展對各省工業(yè)企業(yè)不同期限杠桿率的異質(zhì)性影響，表3給出數(shù)字普惠金融指數(shù)對工業(yè)企業(yè)短期杠桿率、企業(yè)長期杠桿率和企業(yè)債務(wù)期限的回歸結(jié)果。表3的(1)列～(4)列分別檢驗數(shù)字普惠金融總指數(shù)、覆蓋廣度指數(shù)、使用深度指數(shù)和數(shù)字化程度指數(shù)對工業(yè)企業(yè)短期杠桿率的影響，結(jié)果表明數(shù)字普惠金融各指數(shù)的回歸系數(shù)均在1%水平上顯著為負，表明數(shù)字金融發(fā)展顯著降低工業(yè)企業(yè)短期杠桿率，數(shù)字普惠金融總指數(shù)增長100個單位，工業(yè)企業(yè)短期杠桿率降低2.300%，大于對工業(yè)企業(yè)總杠桿率的影響。

表3 數(shù)字普惠金融指數(shù)與工業(yè)企業(yè)短期杠桿率、長期杠桿率和債務(wù)期限的回歸結(jié)果Table 3 Regression Results for Digital Financial Inclusion Indexes and Short-term Leverage Ratio, Long-term Leverage Ratio and Debt Maturity of Industrial Enterprises

本研究分別檢驗數(shù)字普惠金融總指數(shù)、覆蓋廣度指數(shù)、使用深度指數(shù)和數(shù)字化程度指數(shù)對工業(yè)企業(yè)長期杠桿率的影響，結(jié)果表明數(shù)字普惠金融各指數(shù)的回歸系數(shù)均不顯著，限于篇幅，表3的(5)列僅給出總指數(shù)的回歸結(jié)果。表3的(6)列和(7)列分別檢驗數(shù)字普惠金融總指數(shù)和數(shù)字化程度指數(shù)對工業(yè)企業(yè)債務(wù)期限的影響，數(shù)字普惠金融總指數(shù)的回歸系數(shù)在10%水平上顯著為正，數(shù)字普惠金融總指數(shù)增長100個單位，工業(yè)企業(yè)債務(wù)期限上升1.500%。數(shù)字化程度指數(shù)的回歸系數(shù)在5%水平上顯著為正，表明數(shù)字普惠金融對工業(yè)企業(yè)債務(wù)期限的顯著影響是由于數(shù)字化程度對工業(yè)企業(yè)債務(wù)期限產(chǎn)生了顯著影響。因覆蓋廣度指數(shù)和使用深度指數(shù)未對工業(yè)企業(yè)債務(wù)期限產(chǎn)生顯著影響，故未在表3中報告。綜上，數(shù)字金融發(fā)展能夠提升工業(yè)企業(yè)債務(wù)期限，是由于降低了工業(yè)企業(yè)總負債中的短期債務(wù)率，才能夠在未增加長期負債的條件下優(yōu)化債務(wù)期限結(jié)構(gòu)。由表3可知，數(shù)字金融發(fā)展對工業(yè)企業(yè)不同期限杠桿率的影響存在異質(zhì)性，數(shù)字金融發(fā)展有助于降低工業(yè)企業(yè)總杠桿率和短期杠桿率、優(yōu)化企業(yè)債務(wù)期限結(jié)構(gòu)，未增加企業(yè)長期杠桿率，整體上有利于降低工業(yè)企業(yè)債務(wù)風險，H1得到驗證。

4.1.2 數(shù)字普惠金融指數(shù)對不同規(guī)模和不同所有制工業(yè)企業(yè)總杠桿率的影響

盡管數(shù)字金融發(fā)展有利于降低工業(yè)企業(yè)總杠桿率，但數(shù)字金融發(fā)展對企業(yè)總杠桿率的影響可能在不同規(guī)模的企業(yè)之間表現(xiàn)出異質(zhì)性，表4給出數(shù)字普惠金融指數(shù)分別對大型、中型和小型工業(yè)企業(yè)總杠桿率的回歸結(jié)果。本研究分別檢驗數(shù)字普惠金融總指數(shù)、覆蓋廣度指數(shù)、使用深度指數(shù)和數(shù)字化程度指數(shù)對大型工業(yè)企業(yè)總杠桿率的影響，結(jié)果表明數(shù)字普惠金融各指數(shù)的回歸系數(shù)均為負且不顯著，限于篇幅，表4的(1)列僅給出總指數(shù)的回歸結(jié)果。(2)列～(5)列分別檢驗數(shù)字普惠金融總指數(shù)、覆蓋廣度指數(shù)、使用深度指數(shù)和數(shù)字化程度指數(shù)對中型工業(yè)企業(yè)總杠桿率的影響，數(shù)字普惠金融各指數(shù)的回歸系數(shù)均在10%及以上水平上顯著為負，表明數(shù)字金融發(fā)展顯著降低中型工業(yè)企業(yè)總杠桿率，數(shù)字普惠金融總指數(shù)增長100個單位，中型工業(yè)企業(yè)總杠桿率減少2.200%。(6)列～(9)列分別檢驗數(shù)字普惠金融總指數(shù)、覆蓋廣度指數(shù)、使用深度指數(shù)和數(shù)字化程度指數(shù)對小型工業(yè)企業(yè)總杠桿率的影響，數(shù)字普惠金融各指數(shù)的回歸系數(shù)均在5%及以上水平上顯著為負，表明數(shù)字金融發(fā)展顯著降低小型工業(yè)企業(yè)總杠桿率，數(shù)字普惠金融總指數(shù)增長100個單位，小型工業(yè)企業(yè)總杠桿率減少2.500%，大于對中型工業(yè)企業(yè)總杠桿率的影響。表4結(jié)果表明，數(shù)字金融發(fā)展對工業(yè)企業(yè)總杠桿率的降低程度隨著企業(yè)規(guī)模的減小而增大，顯著性水平也增高，充分說明數(shù)字金融的主要服務(wù)對象是中小企業(yè)，H2得到部分驗證。

本研究進一步考察數(shù)字金融發(fā)展對不同所有制工業(yè)企業(yè)總杠桿率的異質(zhì)性影響，實證結(jié)果表明，數(shù)字普惠金融各指數(shù)對國有工業(yè)企業(yè)和私營工業(yè)企業(yè)總杠桿率的回歸系數(shù)為負但均不顯著，故未報告回歸結(jié)果?？偢軛U率中包含了企業(yè)長期杠桿率，但由表3可知，數(shù)字普惠金融總指數(shù)對工業(yè)企業(yè)長期杠桿率沒有顯著影響，后文將考察數(shù)字金融發(fā)展對國有工業(yè)企業(yè)和私營工業(yè)企業(yè)短期杠桿率的異質(zhì)性影響。

表4 數(shù)字普惠金融指數(shù)與大型工業(yè)企業(yè)、中型工業(yè)企業(yè)和小型工業(yè)企業(yè)總杠桿率的回歸結(jié)果Table 4 Regression Results for Digital Financial Indusion Indexes and Total Leverage Ratio of Large, Medium and Small Industrial Enterprises

4.2 數(shù)字金融發(fā)展對制造業(yè)行業(yè)企業(yè)總杠桿率的影響

4.2.1 數(shù)字普惠金融指數(shù)對制造業(yè)行業(yè)企業(yè)總杠桿率的影響

根據(jù)(2)式，表5給出數(shù)字普惠金融指數(shù)對各省2位數(shù)代碼制造業(yè)行業(yè)企業(yè)總杠桿率的回歸結(jié)果。表5的(1)列～(4)列分別檢驗數(shù)字普惠金融總指數(shù)、覆蓋廣度指數(shù)、使用深度指數(shù)和數(shù)字化程度指數(shù)對2位數(shù)代碼制造業(yè)行業(yè)企業(yè)總杠桿率的影響，結(jié)果表明數(shù)字普惠金融各指數(shù)對2位數(shù)代碼制造業(yè)行業(yè)企業(yè)總杠桿率的回歸系數(shù)均在1%水平上顯著為負，表明數(shù)字金融發(fā)展顯著降低2位數(shù)代碼制造業(yè)行業(yè)企業(yè)總杠桿率，數(shù)字普惠金融總指數(shù)增長100個單位，2位數(shù)代碼制造業(yè)行業(yè)企業(yè)總杠桿率減少2.600%。

4.2.2 數(shù)字普惠金融指數(shù)對不同區(qū)域制造業(yè)行業(yè)企業(yè)總杠桿率的影響

本研究進一步考察數(shù)字金融發(fā)展對2位數(shù)代碼制造業(yè)行業(yè)企業(yè)總杠桿率的影響在不同區(qū)域之間是否存在異質(zhì)性。表6給出數(shù)字普惠金融指數(shù)分別對中部地區(qū)和非中部地區(qū)省份2位數(shù)代碼制造業(yè)行業(yè)企業(yè)總杠桿率的回歸結(jié)果，(1)列～(4)列分別檢驗數(shù)字普惠金融總指數(shù)、覆蓋廣度指數(shù)、使用深度指數(shù)和數(shù)字化程度指數(shù)對中部地區(qū)省份2位數(shù)代碼制造業(yè)行業(yè)企業(yè)總杠桿率的影響，數(shù)字普惠金融各指數(shù)的回歸系數(shù)均在1%水平上顯著為負，表明數(shù)字金融發(fā)展顯著降低中部地區(qū)省份2位數(shù)代碼制造業(yè)行業(yè)企業(yè)總杠桿率，數(shù)字普惠金融總指數(shù)增長100個單位，中部地區(qū)省份2位數(shù)代碼制造業(yè)行業(yè)企業(yè)總杠桿率減少5.700%。(5)列～(8)列分別檢驗數(shù)字普惠金融總指數(shù)、覆蓋廣度指數(shù)、使用深度指數(shù)和數(shù)字化程度指數(shù)對非中部地區(qū)省份2位數(shù)代碼制造業(yè)行業(yè)企業(yè)總杠桿率的影響，數(shù)字普惠金融各指數(shù)的回歸系數(shù)均在5%及以上水平上顯著為負，表明數(shù)字金融發(fā)展顯著降低非中部地區(qū)省份2位數(shù)代碼制造業(yè)行業(yè)企業(yè)總杠桿率，數(shù)字普惠金融總指數(shù)增長100個單位，非中部地區(qū)省份2位數(shù)代碼制造業(yè)行業(yè)企業(yè)總杠桿率減少2.100%。

表5 數(shù)字普惠金融指數(shù)與2位數(shù)代碼 制造業(yè)行業(yè)企業(yè)總杠桿率的回歸結(jié)果Table 5 Regression Results for Digital Financial Inclusion Indexes and Total Leverage Ratio of Two-digit Manufacturing Enterprises

表6 數(shù)字普惠金融指數(shù)與中部地區(qū)和非中部地區(qū)2位數(shù)代碼制造業(yè)行業(yè)企業(yè)總杠桿率的回歸結(jié)果Table 6 Regression Results for Digital Financial Inclusion Indexes and Total Leverage Ratio of Two-digit Manufacturing Enterprises in the Central and Non-central Region of China

由表6可知，數(shù)字金融發(fā)展對中部地區(qū)省份制造業(yè)行業(yè)企業(yè)總杠桿率的降低程度大于非中部地區(qū)省份，H3得到部分驗證。根據(jù)郭峰等[19]對2011年至2018年中國數(shù)字普惠金融發(fā)展現(xiàn)狀的分析，中部地區(qū)數(shù)字普惠金融發(fā)展出現(xiàn)崛起的趨勢，增速遠超東北地區(qū)和西部地區(qū)，全國各地區(qū)之間的數(shù)字金融發(fā)展存在一定差距。這與本研究結(jié)果一致，體現(xiàn)了數(shù)字金融的普惠價值。

4.2.3 數(shù)字普惠金融指數(shù)對不同研發(fā)投入強度的制造業(yè)行業(yè)企業(yè)總杠桿率的影響

本研究檢驗數(shù)字金融發(fā)展對制造業(yè)行業(yè)企業(yè)總杠桿率的影響在高技術(shù)行業(yè)企業(yè)和傳統(tǒng)行業(yè)企業(yè)之間是否存在異質(zhì)性。表7給出數(shù)字普惠金融指數(shù)分別對高技術(shù)行業(yè)企業(yè)和傳統(tǒng)行業(yè)企業(yè)總杠桿率的回歸結(jié)果，(1)列～(4)列分別檢驗數(shù)字普惠金融總指數(shù)、覆蓋廣度指數(shù)、使用深度指數(shù)和數(shù)字化程度指數(shù)對高技術(shù)行業(yè)企業(yè)總杠桿率的影響，數(shù)字普惠金融各指數(shù)的回歸系數(shù)均在5%水平上顯著為負，表明數(shù)字金融發(fā)展顯著降低高技術(shù)行業(yè)企業(yè)總杠桿率，數(shù)字普惠金融總指數(shù)增長100個單位，高技術(shù)行業(yè)企業(yè)總杠桿率減少3.500%。(5)列～(8)列分別檢驗數(shù)字普惠金融總指數(shù)、覆蓋廣度指數(shù)、使用深度指數(shù)和數(shù)字化程度指數(shù)對傳統(tǒng)行業(yè)企業(yè)總杠桿率的影響，數(shù)字普惠金融各指數(shù)的回歸系數(shù)均在5%及以上水平上顯著為負，表明數(shù)字金融發(fā)展顯著降低傳統(tǒng)行業(yè)企業(yè)總杠桿率，數(shù)字普惠金融總指數(shù)增長100個單位，傳統(tǒng)行業(yè)企業(yè)總杠桿率減少2.200%，小于對高技術(shù)行業(yè)企業(yè)總杠桿率的影響。另外，從覆蓋廣度指數(shù)、使用深度指數(shù)和數(shù)字化程度指數(shù)的回歸系數(shù)看，每個指數(shù)對高技術(shù)行業(yè)企業(yè)總杠桿率的降低程度均大于對傳統(tǒng)行業(yè)企業(yè)總杠桿率的降低程度。因此，數(shù)字金融發(fā)展對高技術(shù)行業(yè)企業(yè)總杠桿率的降低程度大于對傳統(tǒng)行業(yè)的降低程度，H4得到驗證。

5 內(nèi)生性檢驗和穩(wěn)健性檢驗

5.1 內(nèi)生性檢驗

為避免內(nèi)生性問題，本研究將所有的解釋變量滯后1期，這在一定程度上能緩解反向因果造成的內(nèi)生性問題。雖然已經(jīng)控制了宏觀、省份和行業(yè)層面影響杠桿率的因素，但是仍可能存在遺漏變量帶來的內(nèi)生性問題。因此，本研究利用工具變量兩階段最小二乘法(IV-2SLS)進行內(nèi)生性檢驗，采用《中國統(tǒng)計年鑒》公布的省級電話普及率、移動電話普及率和互聯(lián)網(wǎng)普及率作為數(shù)字金融各指數(shù)的工具變量。一方面，電話、移動電話和互聯(lián)網(wǎng)是數(shù)字金融得以快速發(fā)展的基礎(chǔ)設(shè)施，與數(shù)字金融發(fā)展密切相關(guān)；另一方面，在控制了宏觀、省份和行業(yè)層面影響杠桿率的因素后，電話普及率、移動電話普及率、互聯(lián)網(wǎng)普及率與工業(yè)企業(yè)債務(wù)不存在直接關(guān)聯(lián)。因此，電話普及率、移動電話普及率和互聯(lián)網(wǎng)普及率可以構(gòu)成一組有效的工具變量。

表7 數(shù)字普惠金融指數(shù)與高技術(shù)行業(yè)企業(yè)和傳統(tǒng)制造業(yè)行業(yè)企業(yè)總杠桿率的回歸結(jié)果Table 7 Regression Results for Digital Financial Inclusion Indexes and Total Leverage Ratio of High-tech and Traditional Manufacturing Enterprises

數(shù)字普惠金融總指數(shù)是本研究首要關(guān)注的變量，利用IV-2SLS檢驗數(shù)字普惠金融總指數(shù)對工業(yè)企業(yè)總杠桿率、短期杠桿率、長期杠桿率和債務(wù)期限的影響，結(jié)果見表8。由表8可知，工具變量全部通過識別不足檢驗、弱識別檢驗和過度識別檢驗等有效性檢驗，而異方差穩(wěn)健的內(nèi)生性檢驗統(tǒng)計量的相伴概率分別為0.986、0.064、0.062和0.051，均在5%的顯著性水平上接受不存在內(nèi)生性的原假設(shè)，因此，本研究原模型設(shè)定不存在嚴重的內(nèi)生性問題，前文根據(jù)固定效應(yīng)模型估計得到的基準結(jié)果具有穩(wěn)健性。

為進一步加強該結(jié)論的可靠性，本研究繼續(xù)檢驗數(shù)字普惠金融的覆蓋廣度指數(shù)、使用深度指數(shù)和數(shù)字化程度指數(shù)與工業(yè)企業(yè)短期杠桿率和債務(wù)期限的內(nèi)生性問題。在滿足工具變量有效性檢驗的前提下，就短期杠桿率而言，覆蓋廣度指數(shù)、使用深度指數(shù)和數(shù)字化程度指數(shù)對應(yīng)的異方差穩(wěn)健的內(nèi)生性檢驗統(tǒng)計量分別為4.361、1.422和2.392，相伴概率分別為0.037、0.233和0.122，覆蓋廣度指數(shù)的回歸系數(shù)在IV-2SLS估計下在10%水平上顯著為負，未改變固定效應(yīng)模型估計的結(jié)果。就債務(wù)期限而言，覆蓋廣度指數(shù)、使用深度指數(shù)和數(shù)字化程度指數(shù)對應(yīng)的異方差穩(wěn)健的內(nèi)生性檢驗統(tǒng)計量分別為4.774、2.117和3.109，相伴概率分別為0.029、0.146和0.078，覆蓋廣度指數(shù)的回歸系數(shù)在IV-2SLS估計下不顯著，未改變固定效應(yīng)模型估計的結(jié)果。因此，本研究根據(jù)固定效應(yīng)模型估計得到的數(shù)字金融發(fā)展與工業(yè)企業(yè)杠桿率的關(guān)系是穩(wěn)健的。

表8 數(shù)字普惠金融指數(shù)與工業(yè)企業(yè) 杠桿率的回歸結(jié)果: IV-2SLS估計Table 8 Regression Results for Digital Financial Inclusion Indexes and Leverage Ratio of Industrial Enterprises:IV-2SLS Estimation

5.2 穩(wěn)健性檢驗

5.2.1 數(shù)字金融發(fā)展與短期杠桿率的關(guān)系

為加強本研究實證結(jié)果的穩(wěn)健性，繼續(xù)檢驗數(shù)字普惠金融指數(shù)對不同規(guī)模、不同所有制、不同區(qū)域和不同行業(yè)企業(yè)短期杠桿率和債務(wù)期限的異質(zhì)性影響，仍采用固定效應(yīng)模型進行回歸估計。

本研究首先檢驗數(shù)字普惠金融指數(shù)對不同規(guī)模、不同所有制、不同區(qū)域和不同行業(yè)企業(yè)短期杠桿率的異質(zhì)性影響。實證結(jié)果表明，數(shù)字普惠金融各指數(shù)對工業(yè)企業(yè)和2位數(shù)代碼制造業(yè)行業(yè)企業(yè)短期杠桿率的異質(zhì)性影響與數(shù)字普惠金融各指數(shù)對總杠桿率的異質(zhì)性影響在多數(shù)維度下相似，因此不做重復報告，僅給出在不同所有制維度下的回歸結(jié)果，表9給出數(shù)字普惠金融指數(shù)分別對國有工業(yè)企業(yè)和私營工業(yè)企業(yè)短期杠桿率的回歸結(jié)果。表9的(1)列～(4)列分別檢驗數(shù)字普惠金融總指數(shù)、覆蓋廣度指數(shù)、使用深度指數(shù)和數(shù)字化程度指數(shù)對國有工業(yè)企業(yè)短期杠桿率的影響，數(shù)字普惠金融總指數(shù)、覆蓋廣度指數(shù)、數(shù)字化程度指數(shù)的回歸系數(shù)均在5%水平上顯著為負，而使用深度指數(shù)的回歸系數(shù)為負但不顯著，表明總體上數(shù)字金融發(fā)展顯著降低國有工業(yè)企業(yè)短期杠桿率，數(shù)字普惠金融總指數(shù)增長100個單位，國有工業(yè)企業(yè)短期杠桿率減少1.600%。表9的(5)列～(8)列分別檢驗數(shù)字普惠金融總指數(shù)、覆蓋廣度指數(shù)、使用深度指數(shù)和數(shù)字化程度指數(shù)對私營工業(yè)企業(yè)短期杠桿率的影響，數(shù)字普惠金融各指數(shù)的回歸系數(shù)均在5%水平上顯著為負，表明數(shù)字金融發(fā)展顯著降低私營工業(yè)企業(yè)短期杠桿率，數(shù)字普惠金融總指數(shù)增長100個單位，私營工業(yè)企業(yè)短期杠桿率減少2.500%。使用深度指數(shù)對國有工業(yè)企業(yè)短期杠桿率的回歸系數(shù)為負但不顯著，對私營工業(yè)企業(yè)短期杠桿率的回歸系數(shù)顯著為負，表明數(shù)字金融使用深度增加，國有工業(yè)企業(yè)短期杠桿率未受到顯著影響，但降低了私營工業(yè)企業(yè)短期杠桿率。此外，數(shù)字普惠金融總指數(shù)、覆蓋廣度指數(shù)和數(shù)字化程度指數(shù)對私營工業(yè)企業(yè)短期杠桿率的回歸系數(shù)絕對值均大于對國有工業(yè)企業(yè)短期杠桿率的回歸系數(shù)絕對值，表明數(shù)字金融發(fā)展對私營工業(yè)企業(yè)短期杠桿率的降低程度均大于對國有工業(yè)企業(yè)的降低程度，H2得到驗證。由表9可知，國有工業(yè)企業(yè)擁有正規(guī)金融為主的服務(wù)渠道，對數(shù)字金融依賴程度較低，數(shù)字金融發(fā)展更有利于降低私營工業(yè)企業(yè)的短期債務(wù)風險，充分體現(xiàn)了數(shù)字金融對私營工業(yè)企業(yè)的支持作用，彰顯了數(shù)字金融的普惠價值。

表9 數(shù)字普惠金融指數(shù)與國有工業(yè)企業(yè)和私營工業(yè)企業(yè)短期杠桿率的回歸結(jié)果Table 9 Regression Results for Digital Financial Inclusion Indexes and Short-term Leverage Ratio of State-owned and Private Industrial Enterprises

表10 數(shù)字普惠金融指數(shù)與小型工業(yè)企業(yè)和高技術(shù)行業(yè)企業(yè)債務(wù)期限的回歸結(jié)果Table 10 Regression Results for Digital Financial Inclusion Indexes and Debt Maturity of Small Industrial Enterprises and High-tech Manufacturing Enterprises

5.2.2 數(shù)字金融發(fā)展與債務(wù)期限的關(guān)系

本研究檢驗數(shù)字普惠金融指數(shù)對不同規(guī)模、不同所有制、不同區(qū)域和不同行業(yè)企業(yè)債務(wù)期限的異質(zhì)性影響，僅給出數(shù)字普惠金融各指數(shù)回歸系數(shù)同時顯著的實證結(jié)果，見表10。表10的(1)列～(4)列分別檢驗數(shù)字普惠金融總指數(shù)、覆蓋廣度指數(shù)、使用深度指數(shù)和數(shù)字化程度指數(shù)對小型工業(yè)企業(yè)債務(wù)期限的影響，數(shù)字普惠金融各指數(shù)對小型工業(yè)企業(yè)債務(wù)期限的回歸系數(shù)均顯著為正，表明數(shù)字金融發(fā)展顯著提高小型工業(yè)企業(yè)債務(wù)期限，H2得到驗證。(5)列～(8)列分別檢驗數(shù)字普惠金融總指數(shù)、覆蓋廣度指數(shù)、使用深度指數(shù)和數(shù)字化程度指數(shù)對高技術(shù)行業(yè)企業(yè)債務(wù)期限的影響，數(shù)字普惠金融各指數(shù)對高技術(shù)行業(yè)企業(yè)債務(wù)期限的回歸系數(shù)均顯著為正，表明數(shù)字金融發(fā)展顯著增加高技術(shù)行業(yè)企業(yè)債務(wù)期限，H4得到驗證。

6 結(jié)論

本研究以2012年至2016年中國31個省(自治區(qū)、直轄市)的工業(yè)和制造業(yè)行業(yè)相關(guān)數(shù)據(jù)為樣本，檢驗數(shù)字金融發(fā)展對企業(yè)杠桿率的影響。研究結(jié)果表明，①數(shù)字金融發(fā)展顯著降低工業(yè)企業(yè)和2位數(shù)代碼制造業(yè)行業(yè)企業(yè)的總杠桿率和短期杠桿率，增加了債務(wù)期限，而對長期杠桿率沒有產(chǎn)生顯著影響，即數(shù)字金融發(fā)展沒有增加企業(yè)的杠桿率，反而優(yōu)化了企業(yè)債務(wù)期限結(jié)構(gòu)，降低了企業(yè)的債務(wù)風險。②數(shù)字金融發(fā)展對企業(yè)總杠桿率和短期杠桿率的影響在不同規(guī)模、不同所有制、不同區(qū)域和不同研發(fā)投入強度的企業(yè)之間表現(xiàn)出異質(zhì)性。③在企業(yè)規(guī)模維度，數(shù)字金融發(fā)展顯著降低了中小型企業(yè)的總杠桿率，未降低大型企業(yè)的總杠桿率。④在所有制維度，數(shù)字金融發(fā)展顯著降低了國有工業(yè)企業(yè)和私營工業(yè)企業(yè)短期杠桿率，對私營工業(yè)企業(yè)的降低程度大于國有工業(yè)企業(yè)。⑤在區(qū)域維度，數(shù)字金融發(fā)展對中部地區(qū)省份企業(yè)總杠桿率的降低作用最強，大于非中部地區(qū)。⑥在行業(yè)研發(fā)投入強度維度，數(shù)字金融發(fā)展對高技術(shù)行業(yè)企業(yè)總杠桿率的降低程度大于對傳統(tǒng)制造業(yè)行業(yè)企業(yè)。綜上所述，數(shù)字金融發(fā)展既能緩解私營企業(yè)、中小企業(yè)、中部地區(qū)省份企業(yè)和高技術(shù)行業(yè)企業(yè)的融資約束，又能降低實體經(jīng)濟的債務(wù)風險，體現(xiàn)出數(shù)字金融的普惠價值。

本研究結(jié)果具有一定的政策啟示。

(1)發(fā)展數(shù)字金融有助于深化金融供給側(cè)結(jié)構(gòu)性改革。中國的金融資源配置傾向于國有企業(yè)、大企業(yè)、非中部地區(qū)企業(yè)和傳統(tǒng)制造業(yè)行業(yè)企業(yè)，深化金融供給側(cè)結(jié)構(gòu)性改革的側(cè)重點之一是要增強金融服務(wù)于私營企業(yè)、中小企業(yè)、中部地區(qū)省份企業(yè)和高技術(shù)行業(yè)企業(yè)的能力，后者的融資約束程度更高，對數(shù)字金融的依賴程度也更大。政府的相關(guān)政策要規(guī)范、引導和支持數(shù)字金融的發(fā)展，一方面，要加強對數(shù)字金融機構(gòu)的監(jiān)管，嚴控數(shù)字金融機構(gòu)自身的風險；另一方面，對專注于為私營企業(yè)、中小企業(yè)、中部地區(qū)省份企業(yè)和高技術(shù)行業(yè)企業(yè)等金融弱勢群體提供金融服務(wù)且發(fā)展良好的數(shù)字金融機構(gòu)給予一定的政策支持，鼓勵數(shù)字金融機構(gòu)與金融弱勢群體精準對接，有利于提升中國整體的金融資源配置效率和經(jīng)濟發(fā)展效益。

(2)發(fā)展數(shù)字金融有助于防范和化解重大風險。防范和化解重大風險是黨的十九大以來確立的三大攻堅戰(zhàn)之首，實體經(jīng)濟健康發(fā)展是防范和化解風險的基礎(chǔ)，要在穩(wěn)增長的基礎(chǔ)上防風險。本研究發(fā)現(xiàn)，數(shù)字金融發(fā)展并沒有增加企業(yè)杠桿率，反而優(yōu)化了企業(yè)債務(wù)期限結(jié)構(gòu)，降低了企業(yè)的債務(wù)風險，尤其是短期債務(wù)風險。這表明數(shù)字金融發(fā)展既能緩解企業(yè)融資約束、促進實體經(jīng)濟增長，又能降低實體經(jīng)濟的債務(wù)風險，發(fā)揮一舉兩得的作用。能夠產(chǎn)生這種效果的重要原因之一是數(shù)字金融機構(gòu)利用數(shù)字技術(shù)分析和挖掘借款人的軟信息進而緩解信息不對稱問題，企業(yè)要充分認識到數(shù)據(jù)的信用價值，重視數(shù)據(jù)資產(chǎn)建設(shè)，提高數(shù)據(jù)治理和管理能力，有利于緩解企業(yè)的融資約束，降低信貸融資雙方的交易成本，控制債務(wù)風險。

(3)傳統(tǒng)金融機構(gòu)要加快與數(shù)字技術(shù)融合的步伐，實現(xiàn)數(shù)字化轉(zhuǎn)型。本研究采用的數(shù)字普惠金融指數(shù)是根據(jù)數(shù)字金融機構(gòu)利用數(shù)字技術(shù)開展的金融業(yè)務(wù)數(shù)據(jù)編制，未包含傳統(tǒng)金融機構(gòu)利用數(shù)字技術(shù)開展的金融業(yè)務(wù)活動。與傳統(tǒng)金融機構(gòu)尤其是中小型金融機構(gòu)相比，目前中國的數(shù)字金融公司在數(shù)字金融領(lǐng)域領(lǐng)先一步。傳統(tǒng)金融機構(gòu)要積極應(yīng)對數(shù)字化浪潮，加快提升金融服務(wù)效率，擴大金融服務(wù)覆蓋面，降低金融服務(wù)準入門檻和成本，這將有力推動中國數(shù)字金融快速發(fā)展，中小企業(yè)等劣勢群體的融資難、融資貴問題能進一步得到切實有效的解決。

本研究仍存在一些不足之處。①由于2018年及之后年份的《中國工業(yè)統(tǒng)計年鑒》尚未出版，本研究實證檢驗所用的數(shù)據(jù)時間跨度較小，無法反映經(jīng)濟周期對數(shù)字金融發(fā)展與企業(yè)杠桿率之間關(guān)系的影響，若未來出版該年鑒后續(xù)年份數(shù)據(jù)，可以拉長時間跨度重新檢驗二者的關(guān)系；②由于《中國工業(yè)統(tǒng)計年鑒》中只有省份數(shù)據(jù)，沒有城市層面的工業(yè)企業(yè)和制造業(yè)行業(yè)企業(yè)數(shù)據(jù)，本研究無法更加細致地從城市層面檢驗數(shù)字金融發(fā)展與企業(yè)杠桿率的關(guān)系；③本研究采用中國工業(yè)企業(yè)和制造業(yè)行業(yè)企業(yè)層面數(shù)據(jù)而非微觀企業(yè)層面的數(shù)據(jù)，未能正面考察數(shù)字金融發(fā)展對企業(yè)杠桿率影響的傳導機制，未來將考慮利用中國微觀企業(yè)數(shù)據(jù)繼續(xù)展開深入研究。