（安慶師范大學 經(jīng)濟與管理學院，安徽 安慶 246133）

一、引言

隨著我國全面深化改革任務的持續(xù)推進，建立健全現(xiàn)代化經(jīng)濟體系已成為經(jīng)濟高質(zhì)量發(fā)展的必要保障，加強金融創(chuàng)新和豐富金融市場層次更是其中的重要環(huán)節(jié)。《中華人民共和國國民經(jīng)濟和社會發(fā)展第十三個五年規(guī)劃綱要》中強調(diào)，健全現(xiàn)代金融體系，提高金融服務實體經(jīng)濟效率和支持經(jīng)濟轉(zhuǎn)型的能力，有效防范和化解金融風險。2013年11月12日，黨的十八屆三中全會上審議通過了《中共中央關于全面深化改革若干重大問題的決定》（以下簡稱《決定》）?！稕Q定》中亦明確指出發(fā)展普惠金融。而得益于我國人工智能和區(qū)塊鏈等信息科技的重大突破以及移動通信終端的大規(guī)模普及，普惠金融數(shù)字化成為國內(nèi)乃至全球的未來發(fā)展趨勢（貝多廣，2018）[1]?！吨腥A人民共和國國民經(jīng)濟和社會發(fā)展第十四個五年規(guī)劃和2035年遠景目標綱要》指出，充分發(fā)揮海量數(shù)據(jù)和豐富應用場景優(yōu)勢，促進數(shù)字技術(shù)與實體經(jīng)濟深度融合，賦能傳統(tǒng)產(chǎn)業(yè)轉(zhuǎn)型升級，催生新產(chǎn)業(yè)、新業(yè)態(tài)、新模式，壯大經(jīng)濟發(fā)展新引擎。數(shù)字普惠金融作為數(shù)字技術(shù)與金融創(chuàng)新的深度融合，其主要形式包括傳統(tǒng)金融機構(gòu)利用數(shù)字技術(shù)提供的金融服務和互聯(lián)網(wǎng)大科技公司所推出的新型金融產(chǎn)品（黃益平和黃卓，2018）[2]，主要目標仍然是支持實體經(jīng)濟發(fā)展。在實體經(jīng)濟發(fā)展中，企業(yè)信用風險廣泛存在于企業(yè)的日常運營及生產(chǎn)過程中，并且在企業(yè)專業(yè)化和經(jīng)濟全球化的背景下，企業(yè)信用風險存在傳染性。一家企業(yè)發(fā)生信用風險事件極有可能產(chǎn)生連鎖反應，短期內(nèi)信用風險事件的集中爆發(fā)會對經(jīng)濟穩(wěn)定發(fā)展造成較大沖擊。而作為金融業(yè)的新興業(yè)態(tài)，數(shù)字普惠金融能否有效化解企業(yè)信用風險成了一個值得深入探究的課題。

數(shù)字普惠金融作為已知突破傳統(tǒng)金融發(fā)展瓶頸及滿足普惠金融內(nèi)在需求的發(fā)展路徑，其發(fā)展所帶來的金融風險以及風險控制等相關領域已積累了一些研究，但現(xiàn)有文獻大多集中在銀行業(yè)競爭發(fā)展（林德發(fā)和張獻，2020）[3]和區(qū)域金融風險（歐陽資生等，2021）[4]等方面。而在微觀經(jīng)濟效應層面，學術(shù)界目前普遍認可了數(shù)字普惠金融對于企業(yè)融資約束的緩解作用、對于企業(yè)全要素生產(chǎn)率的提升作用以及對于企業(yè)創(chuàng)新的促進作用。但數(shù)字普惠金融發(fā)展對于微觀企業(yè)信用風險乃至股票、債券市場風險的具體影響機理及機制等領域，仍然有待進一步研究。因此，在我國數(shù)字普惠金融蓬勃發(fā)展的背景下，研究數(shù)字普惠金融對企業(yè)信用風險的影響機制，具有一定的現(xiàn)實意義與理論價值。

本文可能的貢獻如下。第一，現(xiàn)有研究大多從較為宏觀的角度分析數(shù)字普惠金融發(fā)展對經(jīng)濟社會等方面的影響，尚未有學者考慮其對于企業(yè)信用風險的影響機制，也缺乏相關理論分析與實證分析。而本文探討了數(shù)字普惠金融與企業(yè)信用風險之間的影響機制，完善了數(shù)字普惠金融的相關理論與實證研究，具有一定的創(chuàng)新性。第二，本文為我國企業(yè)在自身經(jīng)營發(fā)展中控制信用風險、平穩(wěn)運營等方面提供了一定的參考，拓寬了企業(yè)信用風險相關領域的研究。第三，本文的機制分析發(fā)現(xiàn)數(shù)字普惠金融能夠通過緩解企業(yè)融資約束和提升企業(yè)全要素生產(chǎn)率的鏈式中介機制來抑制企業(yè)信用風險，一定程度上反映了數(shù)字普惠金融發(fā)展的實際效果。

二、理論分析與研究假設

（一）數(shù)字普惠金融對企業(yè)信用風險影響的直接效應分析

企業(yè)信用風險理論指出，企業(yè)信用風險事件頻發(fā)主要由兩方面因素造成：一是由于企業(yè)自身長期經(jīng)營不善或短期資金流動性不足可能會導致資金鏈斷裂，從而出現(xiàn)到期無力償還債務的情況；二是企業(yè)在所處的外部市場環(huán)境具有較大的信息不對稱性時，往往隱瞞不利因素或拒絕償付債務所取得的收益會遠大于成本，在此情形下企業(yè)管理者有較大的可能傾向于“機會主義”。從企業(yè)信用風險來源看，數(shù)字普惠金融有可能從兩方面來直接改善企業(yè)信用風險。

一方面，數(shù)字普惠金融能夠有效改善企業(yè)長期的經(jīng)營困境，其主要體現(xiàn)在技術(shù)創(chuàng)新能力的提升（趙曉鴿等，2021）[5]及商業(yè)模式的變革。張勤（2019）[6]的研究表明，企業(yè)的技術(shù)創(chuàng)新能力與其經(jīng)營效率顯著正相關。且張培和趙世豪（2022）[7]從技術(shù)創(chuàng)新維度出發(fā)，研究發(fā)現(xiàn)企業(yè)的創(chuàng)新產(chǎn)出越高，其信用風險越低。這是因為從長期視角來看，技術(shù)創(chuàng)新過程伴隨著長周期、高風險與高回報并存等特征。而數(shù)字普惠金融發(fā)展可以在一定程度上解決企業(yè)在技術(shù)創(chuàng)新過程中所面臨的創(chuàng)新效率低和創(chuàng)新能力不足等問題。同時，從商業(yè)模式創(chuàng)新來看，數(shù)字普惠金融不只是在技術(shù)創(chuàng)新產(chǎn)出過程中提供助力，其與電子商務結(jié)合所產(chǎn)生的新商業(yè)模式（王卓和李健，2019）[8]，能夠促進消費結(jié)構(gòu)的升級（張翼，2016）[9]，為企業(yè)創(chuàng)造更多的市場機會，從而提高企業(yè)的銷售收入（謝雪燕和朱曉陽，2021）[10]。此外，企業(yè)的創(chuàng)新產(chǎn)出如新產(chǎn)品及新技術(shù)在投入市場后，一是能為企業(yè)帶來長久的良好聲譽，增加投資者的長期信心，降低其信用風險；二是能夠為企業(yè)帶來較強的可持續(xù)性經(jīng)濟收益，改善企業(yè)長期盈利水平，降低其信用風險。

另一方面，數(shù)字普惠金融發(fā)展能夠借助數(shù)字技術(shù)改善信息不對稱程度（李建軍和王德，2015）[11]。在成本可控的前提下，數(shù)字普惠金融的發(fā)展有助于金融機構(gòu)從多維度構(gòu)建信息庫平臺，其不僅能夠分析合作企業(yè)盈利水平、負債比率等財務指標，還包括收集其主要管理者個人征信等“軟信息”（池仁勇和朱張帆，2020）[12]，為平臺使用者提供了一定的決策依據(jù)，一定程度上降低了逆向選擇和道德風險的發(fā)生概率（Gomber等，2018）[13]。從企業(yè)管理者的主觀層面來看，在信息透明度較高的市場環(huán)境中，數(shù)字普惠金融發(fā)展迫使企業(yè)共同選擇提高信息披露程度，減少了欺詐行為，增強了企業(yè)履約意愿，降低了企業(yè)信用風險。從企業(yè)外部監(jiān)管的客觀層面來看，在強有力的外部監(jiān)管和多維度甚至多領域的信用監(jiān)管體系下，企業(yè)信用風險能夠得以有效抑制。黃益平和邱晗（2021）[14]進一步指出數(shù)字普惠金融所代表的“大科技信貸”模式相比于傳統(tǒng)風險預測模型，能夠利用大科技生態(tài)系統(tǒng)和大數(shù)據(jù)監(jiān)測模型來建立新的信用風險管理框架，從而可以更有效地預測企業(yè)違約概率，并且大科技公司可以根據(jù)數(shù)字足跡來做到一定成本下的實時信用風險監(jiān)控和信用風險評估。

據(jù)此，本研究提出第一個假設。

H1：數(shù)字普惠金融能夠有效抑制企業(yè)信用風險。

（二）數(shù)字普惠金融對企業(yè)信用風險影響的間接效應分析

在上述分析的基礎上，本文繼續(xù)探究數(shù)字普惠金融對企業(yè)信用風險影響的間接效應。數(shù)字普惠金融可以通過緩解融資約束和提升全要素生產(chǎn)率的鏈式中介機制來降低企業(yè)信用風險，具體的三條路徑如下。

第一條路徑是數(shù)字普惠金融通過緩解融資約束來抑制企業(yè)信用風險。數(shù)字普惠金融能夠有效糾正金融錯配問題（Demertzis等，2018）[15]，可以較好地解決實體企業(yè)在間接融資中面臨的規(guī)模歧視等問題，通過精準用戶識別和風險管理來幫助企業(yè)突破融資“天花板”。數(shù)字普惠金融提高了金融服務的可獲得性，突破了空間、時間限制，節(jié)約了雙方的融資成本，增強了資金配置效率，對銀行與企業(yè)均存在降本增效的作用。對企業(yè)而言，李賓等（2022）[16]研究表明數(shù)字普惠金融能夠有效降低企業(yè)的搜尋成本和財務費用，從而增強了企業(yè)財務可持續(xù)性，有利于日常資金的靈活周轉(zhuǎn)。對銀行而言，其獲客、信用評估及貸后管理等成本也得以顯著降低，一定程度上提高了銀行的經(jīng)營效益（李建軍和姜世超，2021）[17]。這既有利于普惠金融可持續(xù)發(fā)展，也從供給側(cè)為企業(yè)破除融資約束，增強財務可持續(xù)性提供了助力。

第二條路徑是數(shù)字普惠金融通過提升企業(yè)全要素生產(chǎn)率來抑制企業(yè)信用風險。數(shù)字作為新的生產(chǎn)要素，不僅對企業(yè)生產(chǎn)與融資等方面增加了要素投入，而且顛覆性地改變著整個產(chǎn)業(yè)結(jié)構(gòu)。數(shù)字普惠金融不僅促進了數(shù)字技術(shù)與組織管理方式的變革，而且?guī)椭髽I(yè)提升了全要素生產(chǎn)率。而羅朝陽和李雪松（2020）[18]研究發(fā)現(xiàn)企業(yè)全要素生產(chǎn)率與違約風險之間呈現(xiàn)負相關，即企業(yè)全要素生產(chǎn)率越高，企業(yè)信用風險越低。企業(yè)全要素生產(chǎn)率的提升，體現(xiàn)了企業(yè)綜合生產(chǎn)效率的改善，在一定程度上降低了企業(yè)信用風險。

第三條路徑是數(shù)字普惠金融通過緩解企業(yè)的融資約束而顯著提升其全要素生產(chǎn)率（馬芬芬等，2021）[19]，從而抑制信用風險。這是因為數(shù)字普惠金融所提供的多樣化金融服務能夠更有針對性地幫助企業(yè)改善生產(chǎn)效率。處于良好融資環(huán)境下的企業(yè)，其資金能夠得到更加有效的配置，其生產(chǎn)效率能夠得到大幅的提升（何光輝和楊咸月，2012）[20]，從而能夠顯著提高企業(yè)的產(chǎn)品質(zhì)量與核心競爭力，讓其得以滿足在當下市場競爭中的生存需要。而外部融資不足的企業(yè)往往缺乏提升生產(chǎn)效率的動力（陳中飛和江康奇，2021）[21]。因此，數(shù)字普惠金融在改善企業(yè)融資困境的同時，也會提升其全要素生產(chǎn)率，從而抑制其信用風險。

根據(jù)以上分析，本研究提出第二個假設。

H2：數(shù)字普惠金融會通過緩解企業(yè)融資約束和提升企業(yè)全要素生產(chǎn)率的鏈式中介機制降低企業(yè)信用風險。

根據(jù)以上理論分析，本文構(gòu)建了數(shù)字普惠金融對企業(yè)信用風險的鏈式中介機制圖，如圖1所示。

圖1 數(shù)字普惠金融對企業(yè)信用風險的鏈式中介機制

三、研究設計

（一）變量界定

1.被解釋變量

目前，現(xiàn)代信用分析方法中衡量企業(yè)信用風險模型有Z值計分模型、Credit Metrics模型、Credit Risk+模型以及KMV模型等。相比較其他模型，考慮到我國目前信用制度不健全的現(xiàn)狀，建立于Z值計分模型之上的巴薩利模型在應用范圍、準確性方面更能滿足計量我國企業(yè)信用風險的假設。同時，參考劉鵬飛和晏艷陽（2016）[22]的做法，因巴薩利模型計算數(shù)據(jù)來源的真實性和可獲得性較高，所以本文采用該模型評估企業(yè)信用風險（ECR）。

巴薩利模型（Enterprise credit risk B）計算企業(yè)信用風險公式如下：ECR B=（稅前利潤+折扣+遞延稅）/流動負債+稅前利潤/營運資本+股東權(quán)益/流動負債+有形資產(chǎn)凈值/負債總額+營運資本/總資產(chǎn)。

該模型最后計算得分越高，表明企業(yè)信用風險較小，如果得分很低或為負分，則表明企業(yè)信用風險很高。

2.核心解釋變量

借鑒謝絢麗等（2018）[23]的研究方法，采用北京大學數(shù)字金融研究中心編制的數(shù)字普惠金融省份層面總指數(shù)（DFI），并跟進2021年4月公布的最新一期數(shù)據(jù)（郭峰等，2020）[24]，采用數(shù)字普惠金融地級市層面總指數(shù)CDFI作為核心解釋變量。

3.中介變量

（1）融資約束。

KZ指數(shù)、SA指數(shù)與WW指數(shù)均可衡量企業(yè)融資約束程度。參考石璋銘和謝存旭（2015）[25]的研究，本文采用WW指數(shù)來衡量企業(yè)所面臨的融資約束，當企業(yè)WW指數(shù)為負時，企業(yè)存在融資約束，而WW指數(shù)越大則表明企業(yè)所面臨的融資約束程度越強。

（2）生產(chǎn)效率。

靜態(tài)生產(chǎn)率、單要素生產(chǎn)率以及全要素生產(chǎn)率可反映企業(yè)生產(chǎn)效益。參考魯曉東和連玉君（2012）[26]的研究，采用全要素生產(chǎn)率（TFP）指標衡量企業(yè)生產(chǎn)效率，使用LP法計算企業(yè)全要素生產(chǎn)率并取對數(shù)，當企業(yè)全要素生產(chǎn)率越高，表明企業(yè)生產(chǎn)效率越高。

4.控制變量

本文選取的宏觀及微觀層面的控制變量如表1所示，變量的描述性統(tǒng)計如表2所示。

表1 主要變量定義

（二）模型設定

1.基準模型

根據(jù)本文相關研究與Hausman檢驗結(jié)果，本文構(gòu)建以下模型1—模型4。

在模型1中，ECR表示被解釋變量：企業(yè)信用風險。CDFI表示核心解釋變量：地級市層面數(shù)字普惠金融指數(shù)。Control表示控制變量。下標i表示企業(yè)，t表示年份，Year和Firm分別表示時間和個體固定效應，ε為隨機干擾項。

表2 變量描述性統(tǒng)計

2.鏈式中介模型

在模型1的基礎上，為驗證融資約束程度和企業(yè)生產(chǎn)效率在數(shù)字普惠金融影響企業(yè)信用風險過程中的鏈式中介效應，構(gòu)建模型2、模型3和模型4如下：

在模型2—模型4中，WW表示中介變量：企業(yè)融資約束程度。TFP表示中介變量：企業(yè)生產(chǎn)效率。ECR表示被解釋變量：企業(yè)信用風險。CDFI表示核心解釋變量：地級市層面數(shù)字普惠金融指數(shù)。Control表示控制變量。下標i表示企業(yè)，t表示年份，Year和Firm表示時間和個體固定效應，ε為隨機干擾項。

（三）數(shù)據(jù)來源及處理

企業(yè)樣本選取自2012—2020年滬、深兩市A股上市公司。本文對數(shù)據(jù)進行如下處理：（1）剔除金融業(yè)企業(yè)；（2）剔除ST、*ST企業(yè)；（3）剔除財務數(shù)據(jù)極度缺失及異常企業(yè)；（4）剔除上市時間不足三年企業(yè)。為消除極值對實證分析的影響，對樣本數(shù)據(jù)主要連續(xù)變量進行1%水平的縮尾處理，最后得到滬、深兩市1567家企業(yè)14103個觀測的面板數(shù)據(jù)作為研究樣本。本研究中，企業(yè)樣本所使用公司層面數(shù)據(jù)來自CSMAR數(shù)據(jù)庫，宏觀層面數(shù)據(jù)來自各地區(qū)的《國民經(jīng)濟與社會發(fā)展統(tǒng)計公報》《中國城市統(tǒng)計年鑒》《中國統(tǒng)計年鑒》及國家統(tǒng)計局，部分缺失值采用插補法補全。

四、實證分析

（一）基準回歸結(jié)果

由模型1檢驗數(shù)字普惠金融發(fā)展對于企業(yè)信用風險的影響。表3第（1）列的回歸結(jié)果顯示：在不加入任何控制變量的情況下，企業(yè)所處城市的數(shù)字普惠金融指數(shù)CDFI對于企業(yè)信用風險的回歸系數(shù)在1%的統(tǒng)計顯著性檢驗中顯著為正，這表明數(shù)字普惠金融發(fā)展對于企業(yè)信用風險存在抑制作用。在引入所有控制變量之后，表3第（2）列表明其回歸系數(shù)仍然顯著為正。同時，企業(yè)規(guī)模在1%的水平上顯著為正，這表明企業(yè)規(guī)模越大，企業(yè)信用風險越低。資產(chǎn)負債率的回歸系數(shù)在5%的水平為負，表明企業(yè)資產(chǎn)負債率越低，長期償債能力越高。這表明本文假設1得到了初步證實。此外，參考唐松等（2020）[27]的做法，將數(shù)字普惠金融指數(shù)滯后1期（L1.CDFI）、滯后2期（L2.CDFI）、滯后3期（L3.CDFI）作為動態(tài)面板，在時序上，進一步分析數(shù)字普惠金融發(fā)展對于企業(yè)信用風險的抑制作用是短期影響或是長期作用。如表3第（3）列、第（4）列和第（5）列的回歸結(jié)果所示，數(shù)字普惠金融滯后1期和滯后2期在1%水平上對于企業(yè)信用風險的回歸系數(shù)均為正，而在滯后3期后的L3.CDFI回歸系數(shù)仍然在10%的顯著性水平上為正。這表明數(shù)字普惠金融發(fā)展對于企業(yè)信用風險的影響具有動態(tài)疊加效應，對企業(yè)信用風險具有長期抑制作用。至此，本文假設1得到了證實，即數(shù)字普惠金融發(fā)展可以顯著減輕企業(yè)信用風險。

表3 數(shù)字普惠金融發(fā)展對企業(yè)信用風險的實證檢驗結(jié)果

（二）異質(zhì)性分析

1.基于地區(qū)信用環(huán)境

本文基于地區(qū)信用環(huán)境進行異質(zhì)性檢驗，具體做法是采用CEI課題組官方發(fā)布的《2019年中國城市商業(yè)信用環(huán)境指數(shù)地級市排行榜》中的地級市指數(shù)排名，并且將信用環(huán)境排名前120地級市劃分為信用環(huán)境較好的地區(qū)，取值為1；將其余地級市劃分為信用環(huán)境較差的地區(qū)，取值為0。本文在此基礎上，對樣本進行分組回歸。表4中第（1）列的回歸結(jié)果表示，在地區(qū)信用環(huán)境良好的地區(qū)，數(shù)字普惠金融對于企業(yè)信用風險的抑制作用并不明顯。這可能是由于在地區(qū)信用環(huán)境良好的地區(qū)，企業(yè)償債意愿較強，較為重視商譽等無形資產(chǎn)的價值。而在地區(qū)信用環(huán)境不發(fā)達的地區(qū)，表4中第（2）列的回歸結(jié)果表示數(shù)字普惠金融指數(shù)通過了1%的顯著性檢驗。這表明在地區(qū)信用環(huán)境不發(fā)達的地區(qū)，數(shù)字普惠金融的發(fā)展顯著有利于信用環(huán)境不發(fā)達地區(qū)所在企業(yè)抑制信用風險。

2.基于企業(yè)規(guī)模

此外，為了驗證數(shù)字普惠金融對于企業(yè)規(guī)模的異質(zhì)性效應，本文根據(jù)測度樣本中企業(yè)規(guī)模中位數(shù)進行分組回歸，將樣本分為大規(guī)模和小規(guī)模兩個子樣本。根據(jù)表4中第（3）列和第（4）列的回歸結(jié)果顯示，對于小規(guī)模企業(yè)，數(shù)字普惠金融指數(shù)在1%的顯著性水平上均顯著為正。這表明企業(yè)信用風險的改善都可能得益于數(shù)字技術(shù)的進步，但回歸系數(shù)結(jié)果表明數(shù)字普惠金融發(fā)展對于大規(guī)模上市公司的信用風險抑制作用并不顯著。這可能是因為企業(yè)規(guī)模越大，除去融資約束程度較低的因素外，通常存在規(guī)模效應。大企業(yè)所具有的體量優(yōu)勢再加上良好商譽等無形資產(chǎn)有利因素，使得自身的信用風險處于較低水平。對于上市公司中的相對小規(guī)模企業(yè)而言，數(shù)字普惠金融發(fā)展有助于改善其生產(chǎn)效率，緩解融資約束，從而降低其信用風險。

3.基于產(chǎn)權(quán)性質(zhì)

民營企業(yè)作為我國市場經(jīng)濟中的重要組成部分，為了進一步探究數(shù)字普惠金融發(fā)展對于民營企業(yè)信用風險的影響作用，本文根據(jù)企業(yè)產(chǎn)權(quán)性質(zhì)將樣本分為國有企業(yè)和民營企業(yè)兩個樣本進行分組回歸。表4中第（5）列結(jié)果顯示數(shù)字普惠金融對國有企業(yè)的信用風險抑制作用僅僅通過了10%的顯著性檢驗。且第（5）列和第（6）列的回歸系數(shù)結(jié)果表明數(shù)字普惠金融發(fā)展對于民營企業(yè)信用風險改善遠遠大于國有企業(yè)。這可能由于國有企業(yè)具有特殊的經(jīng)濟、社會地位，更容易在傳統(tǒng)金融機構(gòu)獲得足額的資金支持。因此，數(shù)字普惠金融作為傳統(tǒng)金融機構(gòu)的補充，對其信用風險的抑制作用相比于對民營企業(yè)來看不太明顯。而民營企業(yè)通過改善融資困境，可能較大提升了自身全要素生產(chǎn)率，進而改善了自身信用風險水平。

（三）穩(wěn)健性檢驗與內(nèi)生性處理

1.替換被解釋變量及核心解釋變量

（1）替換被解釋變量：在穩(wěn)健性檢驗中，參考張玲（2000）[28]的做法，采用Z-score模型重新計算樣本企業(yè)信用風險，得到的計算結(jié)果記作ECR Z（Enterprise credit risk Z）。該模型最終計算得分越高，說明企業(yè)信用風險越小。

該模型計算企業(yè)信用風險公式如下：

ECR Z=0.517-0.46×（總負債/總資產(chǎn)）-0.388×（營運資金/總資產(chǎn)）+9.32×（凈利潤/平均總資產(chǎn)）+1.158×（留存收益/總資產(chǎn)）

表4 異質(zhì)性檢驗結(jié)果

（2）替換解釋變量：為了進一步保證本文結(jié)論的可靠性，本文采取以下兩種做法。一是替換核心解釋變量的統(tǒng)計口徑。為進一步保證主要結(jié)論的穩(wěn)健性，本文采用企業(yè)所在省份的數(shù)字普惠金融指數(shù)PDFI再次進行回歸檢驗。二是替換核心解釋變量的統(tǒng)計方法。本文從普惠性與數(shù)字性兩方面出發(fā)，構(gòu)建了31個省份（不含港、澳、臺地區(qū)）2012—2020年的數(shù)字普惠金融綜合評價體系，然后運用熵值法將該評價體系測算所得的數(shù)字普惠金融發(fā)展水平（DFII）作為模型中核心解釋變量的替換變量。維度設計及具體指標定義如下所示。

普惠性。股票市場總市值/GDP（%），金融業(yè)法人機構(gòu)數(shù)量（個），每萬人擁有的銀行業(yè)金融機構(gòu)營業(yè)網(wǎng)點數(shù)量（%）。

數(shù)字性。互聯(lián)網(wǎng)寬帶接口個數(shù)（萬個），光纜線路長度（萬公里），互聯(lián)網(wǎng)上網(wǎng)人數(shù)（萬人）。

對上述指標進行標準化處理后運用熵值法進行計算，且由該綜合評價體系所得出的綜合評價指數(shù)（DFII）范圍在0到1之間。

如表5中第（1）列—第（4）列所示，第（1）列中改變了核心解釋變量的統(tǒng)計口徑，第（2）列中改變了被解釋變量的統(tǒng)計方法，第（3）列中改變了核心解釋變量的統(tǒng)計口徑和被解釋變量的統(tǒng)計方法，第（4）列中改變了核心解釋變量的統(tǒng)計方法。從這四列回歸結(jié)果來看，其回歸系數(shù)和顯著性水平并未發(fā)生較大改變。

2.剔除部分干擾因素

考慮到企業(yè)的經(jīng)營狀況與外界環(huán)境息息相關，而2020年的新冠肺炎疫情對我國經(jīng)濟造成較大沖擊，所以本文將疫情沖擊的可能影響剔除，將樣本數(shù)據(jù)年限確定為2012—2019年，以避免疫情干擾。此外，考慮到數(shù)字普惠金融發(fā)展與所處地區(qū)環(huán)境可能存在影響，而直轄市具有特殊的經(jīng)濟、政治地位，本文將北京、上海、天津、重慶四個直轄市樣本剔除后再進行回歸。

表5 穩(wěn)健性檢驗結(jié)果

穩(wěn)健性檢驗結(jié)果如表5所示，第（5）列中更改了樣本時間窗口，第（6）列中剔除了部分樣本。無論是對樣本期間和數(shù)量做出變換后，結(jié)果顯示各變量回歸系數(shù)及顯著性水平均沒有較大改變，本文的主要結(jié)論具有一定穩(wěn)健性。

3.內(nèi)生性處理

數(shù)字普惠金融發(fā)展水平作為宏觀變量，受到個別企業(yè)信用風險的影響程度較小，但依舊有可能會因為遺漏變量或測量誤差導致內(nèi)生性問題。借鑒林愛杰等（2021）[29]的方法，本文采用各地級市互聯(lián)網(wǎng)寬帶接入用戶的對數(shù)作為工具變量。表6第一階段F統(tǒng)計量結(jié)果顯示工具變量有效，且通過了弱工具變量檢驗。第二階段回歸結(jié)果顯示，數(shù)字普惠金融指數(shù)通過了5%的顯著性檢驗。綜上，本文的結(jié)論具有穩(wěn)健性。

表6 內(nèi)生性處理結(jié)果

（四）鏈式中介機制檢驗

參考柳士順和凌文輇（2009）[30]對于鏈式中介模型的檢驗，來分析數(shù)字普惠金融發(fā)展和企業(yè)信用風險之間的鏈式中介機制。首先，結(jié)果如表7所示，第（1）列、第（3）列和第（4）列的回歸結(jié)果顯示，CDFI的回歸系數(shù)均通過了1%的顯著性檢驗，第（2）列結(jié)果也通過了5%的顯著性檢驗。其次，分別計算鏈式機制的三種中介效應。用機制1來表示CDFI→WW→ECR的傳導機制，機制2表示CDFI→TFP→ECR的傳導機制，機制3表示CDFI→WW→TFP→ECR的傳導機制。由表第（2）列—第（4）列結(jié)果得到機制1—機制3的中介效應分別為0.0039、0.0077、0.0032，并且在總體中介效應占比分別為26.35%、52.03%、21.62%。總體中介效應為0.0148，略小于直接效應0.0203。再次，對比中介效應來看，機制2的中介效應最大，機制1次之，機制3最小。但機制1和機制3實際差距并不很大，這也體現(xiàn)了在鏈式中介機制中，數(shù)字普惠金融對企業(yè)信用風險的抑制作用是多因素綜合作用的結(jié)果。此外，通過第（1）列和第（4）列的回歸結(jié)果計算得出的直接效應為0.0149，與第（4）列中的回歸結(jié)果差異很小，可能是由于擾動項導致。由此，證實了假設2，數(shù)字普惠金融發(fā)展能通過緩解企業(yè)融資約束和提升企業(yè)全要素生產(chǎn)率的鏈式中介機制來降低企業(yè)信用風險。

表7 鏈式中介模型檢驗結(jié)果

五、結(jié)論與建議

本文以2012—2020年1567家滬、深A股上市公司為樣本，實證研究了數(shù)字普惠金融發(fā)展與企業(yè)信用風險的關系，并深入探尋了其作用機制。本文研究結(jié)論主要有以下三點。第一，數(shù)字普惠金融發(fā)展顯著抑制了上市公司信用風險。該結(jié)論在替換核心解釋變量及被解釋變量等一系列穩(wěn)健性檢驗及內(nèi)生性處理后仍然成立。第二，本文從產(chǎn)權(quán)性質(zhì)、企業(yè)規(guī)模和地區(qū)分布這三個特征入手，識別并檢驗了數(shù)字普惠金融對企業(yè)信用風險減少效應的異質(zhì)性差異。異質(zhì)性分析表明：一是相比于國有企業(yè)和大型上市公司，民營企業(yè)和小規(guī)模上市公司的信用風險受到數(shù)字普惠金融發(fā)展所產(chǎn)生的抑制效果更明顯；二是數(shù)字普惠金融對企業(yè)信用風險的抑制作用存在一定的地區(qū)差異。具體而言，在地區(qū)信用環(huán)境不發(fā)達的地區(qū)，數(shù)字普惠金融對企業(yè)信用風險的抑制效果更明顯。第三，從間接效應的作用機制來看，數(shù)字普惠金融發(fā)展能通過緩解企業(yè)自身所面臨的融資困境和提高企業(yè)全部要素生產(chǎn)率的鏈式中介機制來抑制企業(yè)信用風險。

根據(jù)研究結(jié)論，本文主要從金融投資、企業(yè)發(fā)展以及政策監(jiān)管這三個方面提出三點建議如下。

第一，從金融投資視角來看，需要加深數(shù)字技術(shù)應用，提升金融供給質(zhì)量。對于銀行和互聯(lián)網(wǎng)金融公司等金融機構(gòu)投資者而言，在評估所投資企業(yè)的信用風險時，一是要大力加強數(shù)字技術(shù)在金融業(yè)務上的應用，發(fā)展數(shù)字信貸等業(yè)務，在貸前、貸中與貸后流程中以數(shù)字技術(shù)來監(jiān)控信用風險；二是要構(gòu)建以數(shù)字技術(shù)為基礎的數(shù)字化管理平臺，打造針對不同類型客戶的數(shù)字金融服務生態(tài)，從而兼顧融資服務的精準性與覆蓋性，通過為用戶提供針對性的融資服務來降低信用風險。對于個人投資者而言，在進行投資決策時，除了從財務狀況、公司治理及管理者特質(zhì)等傳統(tǒng)視角對企業(yè)進行考察，也應當適當關注企業(yè)所在地區(qū)的數(shù)字普惠金融發(fā)展情況。

第二，對于企業(yè)自身而言，需要加快形成數(shù)字資產(chǎn)，助力企業(yè)平穩(wěn)運營。數(shù)字普惠金融的發(fā)展既能為企業(yè)帶來商業(yè)模式的變革，也能夠幫助企業(yè)提高生產(chǎn)效率。在電子商務等模式下，企業(yè)應當借助現(xiàn)有的數(shù)字平臺，以物聯(lián)網(wǎng)等數(shù)字科技將企業(yè)生產(chǎn)以及經(jīng)營等“數(shù)字足跡”轉(zhuǎn)化為數(shù)字資產(chǎn)，加強業(yè)務智能化與數(shù)據(jù)資產(chǎn)化。企業(yè)與金融機構(gòu)合作時，應當注意利用數(shù)字資產(chǎn)的優(yōu)勢，降低融資門檻。在企業(yè)自身生產(chǎn)經(jīng)營過程中，也需要借助數(shù)字普惠金融所支持的資金等要素，提升生產(chǎn)效率，減輕信用風險。特別是針對規(guī)模較小和非國有企業(yè)而言，由于在傳統(tǒng)金融體系中存在缺少抵押物等劣勢，則更應當重視數(shù)字資產(chǎn)在數(shù)字普惠金融體系中的應用，將數(shù)字作為新的生產(chǎn)要素來促進自身進一步發(fā)展。

第三，從政策監(jiān)管來看，需要優(yōu)化企業(yè)信用環(huán)境，加強金融創(chuàng)新監(jiān)管，完善多維信用監(jiān)管體系。數(shù)字普惠金融發(fā)展有利于降低銀企間的信息不對稱性，提高市場信息透明度，其數(shù)字基礎建設應該得到相關政策的大力支持。但要警惕以金融創(chuàng)新名義而違反法律法規(guī)的不當投融資行為。因此，相關部門要加大對數(shù)字普惠金融發(fā)展的監(jiān)管力度，建立健全包容審慎的創(chuàng)新試錯容錯機制，通過與稅務等部門的信用數(shù)據(jù)共享，加強信息披露，開辟多維度的信用獲取途徑，來構(gòu)建新型的信用監(jiān)管體系網(wǎng)絡。