摘 要：在數(shù)字普惠金融持續(xù)發(fā)展以及商業(yè)銀行不良貸款率不斷攀升的背景下，本文基于我國2011—2020年數(shù)字普惠金融指數(shù)和23家上市商業(yè)銀行面板數(shù)據(jù)，實證檢驗數(shù)字普惠金融對商業(yè)銀行不良貸款率的影響與作用機制。結(jié)果顯示數(shù)字普惠金融發(fā)展顯著提高銀行不良貸款率，而異質(zhì)性分析結(jié)果表明其對小規(guī)模銀行和全國性股份制商業(yè)銀行不良貸款率的影響更為顯著。進一步研究表明，數(shù)字普惠金融發(fā)展通過增加銀行存貸比提高銀行不良貸款率。上述結(jié)論意味著應關(guān)注數(shù)字普惠金融發(fā)展對金融機構(gòu)風險的放大效應，并制定差異化風險防控策略以確保風險防控措施的有效性。

關(guān)鍵詞：數(shù)字普惠金融；銀行不良貸款率；異質(zhì)性分析

一、引言

近年來，數(shù)字普惠金融通過運用大數(shù)據(jù)、云計算以及人工智能等金融科技手段拓展了金融服務的可及性，其發(fā)展對傳統(tǒng)銀行的經(jīng)營模式和風險管理帶來了前所未有的機遇和挑戰(zhàn)。在促進商業(yè)銀行拓展業(yè)務范圍的同時，數(shù)字普惠金融發(fā)展無疑會加劇信貸市場競爭。商業(yè)銀行是金融體系的重要一環(huán)，不良貸款率一直是衡量其資產(chǎn)質(zhì)量和風險水平的關(guān)鍵指標。因此，深入探究數(shù)字普惠金融發(fā)展影響我國商業(yè)銀行不良貸款風險的具體機制、如何應對其發(fā)展所帶來的挑戰(zhàn)等問題，對于商業(yè)銀行健康發(fā)展乃至我國金融安全均有著重要理論與實踐意義。

目前，國內(nèi)外關(guān)于數(shù)字普惠金融的研究涵蓋了助力經(jīng)濟發(fā)展、推進民生建設及其伴隨的風險等多個維度。在助力經(jīng)濟發(fā)展方面，數(shù)字普惠金融的便捷性雖加大傳統(tǒng)銀行的競爭壓力，但可倒逼銀行提升金融服務效率[1]。此外，數(shù)字普惠金融顯著推動新質(zhì)生產(chǎn)力發(fā)展，且存在自身雙重門檻效應[2]。作為數(shù)字技術(shù)驅(qū)動的普惠金融新模式，數(shù)字普惠金融近年來已得到黨中央、國務院的高度重視和政策支持，在推進民生建設方面也有廣泛探討。數(shù)字普惠金融憑借其較強的地理穿透性及低門檻優(yōu)勢，在發(fā)揮增收效應的同時，縮小城鄉(xiāng)收入分配差距[3]，并在很大程度上緩解了欠發(fā)達地區(qū)金融排斥的現(xiàn)象[4]。數(shù)字普惠金融的覆蓋廣度以及數(shù)字化水平對中部地區(qū)鄉(xiāng)村產(chǎn)業(yè)振興的發(fā)展均有顯著影響[5]。同時，其對我國的共同富裕水平具有顯著的正向空間溢出效應[6]。在金融服務領(lǐng)域，數(shù)字普惠金融是一把雙刃劍。其在帶來便利與機遇的同時，也伴隨著不容忽視的挑戰(zhàn)與風險：不僅會帶來網(wǎng)絡安全問題等金融風險，還可能產(chǎn)生數(shù)字普惠金融壟斷等新型風險[7]?；跀?shù)字普惠金融所帶來的系列風險，新背景下的監(jiān)管理應平衡創(chuàng)新與風險的關(guān)系，重構(gòu)我國的金融監(jiān)管系統(tǒng)[8]。

關(guān)于商業(yè)銀行不良貸款的研究，學術(shù)界近年來也展開了多層次的探索，涵蓋其風險探討及影響因素的多元考察等不同維度。市場競爭是影響商業(yè)銀行信用風險的重要原因[9]，而商業(yè)銀行的ESG表現(xiàn)與其不良貸款率呈現(xiàn)顯著的負相關(guān)關(guān)系，ESG表現(xiàn)的提升可通過降低風險承擔和提升流動性兩個渠道降低不良貸款率來實現(xiàn)[10]。此外，在經(jīng)濟發(fā)展水平較低的地區(qū)，信用環(huán)境改善對銀行不良貸款的影響作用愈發(fā)明顯[11]。近年來，數(shù)字普惠金融的影響輻射范圍也已觸及商業(yè)銀行不良貸款率，其發(fā)展增加了城市商業(yè)銀行不良貸款的風險，且其負面影響對非上市城市商業(yè)銀行更為顯著[12]。但目前針對二者關(guān)系的研究仍較少，這一領(lǐng)域尚存在較大探索空間。

較現(xiàn)有文獻，本文邊際貢獻主要體現(xiàn)在兩方面：一是將數(shù)字普惠金融與上市商業(yè)銀行不良貸款率納入同一分析框架，證實數(shù)字普惠金融對經(jīng)濟體系的負面影響，并發(fā)現(xiàn)其對不同類型商業(yè)銀行的影響存在異質(zhì)性，拓展了關(guān)于銀行不良貸款率的研究視角。二是從宏觀與微觀雙重視角切入，厘清數(shù)字普惠金融提高銀行不良貸款風險的理論機制，進一步補充了現(xiàn)有經(jīng)驗研究成果。

二、理論機制與研究假設

數(shù)字普惠金融作為新興金融模式，一方面為金融領(lǐng)域帶來諸多創(chuàng)新和便利。例如，商業(yè)銀行可以借助數(shù)字普惠金融手段，觸達原先傳統(tǒng)金融服務難以覆蓋的群體，從而擴大服務范圍。但另一方面，數(shù)字普惠金融不可避免地會對傳統(tǒng)商業(yè)銀行體系造成沖擊，進而對商業(yè)銀行的不良貸款率產(chǎn)生影響。本文認為數(shù)字普惠金融主要通過以下三個途徑作用于商業(yè)銀行的不良貸款率：一是風險識別偏差效應。數(shù)字普惠金融過度依賴數(shù)據(jù)模型和算法，導致在風險評估時會忽略一些難以量化和非標準化的關(guān)鍵因素。因此，商業(yè)銀行在借鑒其風險評估方式時容易出現(xiàn)偏差，誤判借款人的信用水平，從而提高銀行不良貸款的發(fā)生概率。二是過度競爭壓力效應。數(shù)字普惠金融的快速發(fā)展加劇了我國金融市場的競爭態(tài)勢，為爭奪有限的市場份額，商業(yè)銀行可能會降低原本嚴格的信貸標準，將貸款額度給部分信用風險較高、還款能力不穩(wěn)定的客戶。這種過于追求業(yè)務量的增長而忽視了風險把控的行為，極易造成不良貸款率呈現(xiàn)上升的趨勢。三是技術(shù)依賴風險效應。數(shù)字普惠金融高度依賴復雜的技術(shù)系統(tǒng)以及先進的信息技術(shù)架構(gòu)，一旦技術(shù)系統(tǒng)出現(xiàn)故障或遭受惡意的網(wǎng)絡攻擊，均可導致數(shù)據(jù)錯誤和泄露，從而影響對客戶信用狀況的準確判斷。如數(shù)據(jù)傳輸?shù)闹袛嗫赡軐е滦畔⒉煌暾诳凸艨山璐舜鄹目蛻舻年P(guān)鍵信用數(shù)據(jù)，這些因素都增加了銀行在信貸決策過程中的不確定性和風險，從而間接提高了其不良貸款率。

綜上，盡管數(shù)字普惠金融以其先進的技術(shù)和廣泛的覆蓋面為金融市場帶來了許多機遇，但伴隨而來的可能是技術(shù)依賴性、風險評估偏差及過度競爭等風險，從而對商業(yè)銀行的不良貸款率產(chǎn)生負面影響。基于此，本文提出假設1：數(shù)字普惠金融的發(fā)展可能對商業(yè)銀行不良貸款率的上升構(gòu)成顯著影響。

在當下的金融市場環(huán)境中，不同規(guī)模以及所有權(quán)性質(zhì)不同的銀行之間在市場布局、經(jīng)營管理方式以及公司組織結(jié)構(gòu)等方面存在很大差異，進而在信貸策略、貸款規(guī)模以及貸款對象等方面均有不同。由此一定程度上影響了數(shù)字普惠金融對不同種類銀行的作用程度，故在研究過程中有必要對不同類型的銀行進行區(qū)分。因此，本文提出假設2：若數(shù)字普惠金融對銀行不良貸款率的上升存在顯著影響，那么針對不同類型（不同規(guī)模及所有權(quán)性質(zhì)不同）的商業(yè)銀行，其不良貸款率與數(shù)字普惠金融的關(guān)系存在差異。

面對數(shù)字普惠金融發(fā)展帶來的競爭壓力，商業(yè)銀行有可能盲目加大貸款力度，提升其存貸比率，卻忽視了貸款比例過高帶來的負面影響，致使其不良貸款率上升。在2015年之后，我國已取消銀行存貸比不得超過75%的監(jiān)管要求，然而其仍是監(jiān)測銀行風險的重要指標之一。基于此，提出假設3：數(shù)字普惠金融通過影響商業(yè)銀行存貸比，進而對商業(yè)銀行不良貸款率產(chǎn)生影響。

三、研究設計與數(shù)據(jù)處理

（一）樣本選擇與數(shù)據(jù)來源

本文所涉及的商業(yè)銀行變量指標數(shù)據(jù)均來自同花順數(shù)據(jù)庫，對于部分缺失數(shù)據(jù)的補充來源于商業(yè)銀行官方網(wǎng)站發(fā)布的年度報告。工具變量指標互聯(lián)網(wǎng)普及率來自中國互聯(lián)網(wǎng)絡信息中心（CNNIC）官網(wǎng)數(shù)據(jù)。目前，關(guān)于我國數(shù)字普惠金融發(fā)展情況的衡量指標，現(xiàn)有研究多采用北京大學數(shù)字金融研究中心發(fā)布的數(shù)字普惠金融發(fā)展指數(shù)。依據(jù)數(shù)據(jù)的可獲得性，本文選取2011——2020年我國數(shù)字普惠金融發(fā)展指數(shù)數(shù)據(jù)以及23家上市商業(yè)銀行的面板數(shù)據(jù)進行實證分析。

（二）模型的設定

為探究數(shù)字普惠金融對商業(yè)銀行不良貸款率的影響，本文參考張杉[13]和劉艷[14]的研究，構(gòu)建如下基準回歸模型：

[NPLit=β0+β1DIFit+β2GDPGRit+β3INFit+β4PCRit+β5CARit+β6Ln（AS）it+β7CRCRit+λi+μt+εit] （1）

其中，NPL代表銀行的不良貸款率，DIF代表數(shù)字普惠金融指數(shù)，其他變量均為控制變量，λi[ ]為個體效應，μt為時間效應，εit為隨機項，i和t分別代表樣本銀行和年份。

基于前述理論分析，為進一步探究數(shù)字普惠金融發(fā)展對商業(yè)銀行不良貸款率的影響機制，參考李亞敏[12]的研究，本文選取商業(yè)銀行存貸比（LDR）為中介變量，構(gòu)建如下的中介效應模型：

[Medit=β0+β1DIFit+β2GDPGRit+β3INFit+β4PCRit+β5CARit+β6Ln（AS）it+β7CRCRit+λi+μt+εit] （2）

[NPLit=β0+β1DIFit+β2Medit+β3GDPGRit+β4INFit+β5PCRit+β6CARit+β7Ln（AS）it+β8CRCRit+λi+μt+εit] （3）

其中，Med是中介變量，用存貸比（LDR）指標進行衡量，其余變量的定義與模型（1）保持一致。在模型（2）中，β1為數(shù)字普惠金融對銀行存貸比的影響系數(shù)；在模型（3）中，β1體現(xiàn)了數(shù)字普惠金融對銀行不良貸款率的直接影響，β2則為中介變量對不良貸款率的影響，兩系數(shù)的乘積即表示中介效應。

（三）指標構(gòu)建與數(shù)據(jù)預處理

本文以商業(yè)銀行不良貸款率（NPL）作為被解釋變量，該指標是衡量商業(yè)銀行信貸資產(chǎn)質(zhì)量與安全性的重要標尺，具體以銀行不良貸款與總貸款余額的比值進行測度。本文選取數(shù)字普惠金融指數(shù)（DIF）作為核心解釋變量。該指數(shù)是北京大學數(shù)字金融研究中心，根據(jù)螞蟻集團提供的支付寶相關(guān)數(shù)據(jù)進行編制的，該指數(shù)旨在提供一個客觀、全面的視角，以衡量我國在數(shù)字普惠金融領(lǐng)域的實際發(fā)展水平與狀況。此外，為提高回歸方程的估計效率，避免回歸過程中遺漏變量造成的估計偏誤問題，本文參照葛莉等[15]以及孫光林等[16]的研究，擬在回歸模型中加入銀行微觀層面控制變量主要包括撥備覆蓋率、資本充足率、資產(chǎn)規(guī)模、信用風險集中度，宏觀層面控制變量包括GDP增長率和通貨膨脹率。鑒于數(shù)字普惠金融與商業(yè)銀行的傳統(tǒng)存貸款業(yè)務存在競爭關(guān)系，本文引入存貸比作為中介變量，旨在探討數(shù)字普惠金融是否通過調(diào)整銀行存貸比，進而對不良貸款率產(chǎn)生影響。

各變量說明及描述性統(tǒng)計見表1。從描述統(tǒng)計結(jié)果可知，不良貸款率最大值為2.75%，最小值為0.24%，這意味著不同商業(yè)銀行的不良貸款比率存在較大差異。數(shù)字普惠金融指數(shù)最大值為393.68，最小值為101.60，且呈現(xiàn)逐年上升的趨勢，由此可見其持續(xù)增長的態(tài)勢。為平衡各變量間的量綱，本文對資產(chǎn)規(guī)模取對數(shù)處理，其最大值為5.52，最小值為2.71，避免了因數(shù)據(jù)量級差異過大而導致的統(tǒng)計分析偏差，從而確保了后續(xù)分析結(jié)果的可靠性。

（四）平穩(wěn)性檢驗

表2為平穩(wěn)性檢驗結(jié)果，其原假設是：存在單位根。由結(jié)果可知，各檢驗統(tǒng)計量均在1%水平上顯著，所以拒絕原假設，表明各變量都是穩(wěn)定的。

四、實證結(jié)果及分析

（一）基準回歸

表3為基準回歸結(jié)果。列（1）中DIF的系數(shù)值在1%顯著性水平下顯著為正，說明數(shù)字普惠金融的發(fā)展會導致我國商業(yè)銀行的不良貸款率升高，研究假設1成立。列（2）至列（4）加入了宏微觀層面的控制變量，并分別對個體效應、時間效應以及個體聚類標準誤進行不同層面的控制，從而呈現(xiàn)不同角度的回歸結(jié)果，數(shù)字普惠金融的回歸系數(shù)始終顯著為正，表明假設1能夠得到經(jīng)驗數(shù)據(jù)的較好支撐。此外，Hausman檢驗的卡方統(tǒng)計量為0，對應P值為1，表明在統(tǒng)計上無法拒絕固定效應模型與隨機效應模型無系統(tǒng)性差異的原假設，本文建立隨機效應模型更為恰當。

（二）穩(wěn)健性及內(nèi)生性檢驗

為驗證數(shù)字普惠金融對銀行不良貸款率影響估計結(jié)果的穩(wěn)健性，本文采取調(diào)整樣本期的方法進行穩(wěn)健性檢驗。由于2013年余額寶的推出，我國迎來互聯(lián)網(wǎng)金融的元年，自此以后，互聯(lián)網(wǎng)金融產(chǎn)品層出不窮，數(shù)字普惠金融發(fā)展對銀行傳統(tǒng)業(yè)務帶來明顯沖擊，因此將時間區(qū)間保留在2013—2020年。表4報告了調(diào)整樣本期之后模型的穩(wěn)健性檢驗結(jié)果，行（1）、行（2）均顯示在新樣本期間數(shù)字普惠金融指數(shù)系數(shù)顯著為正，從而論證了實證分析結(jié)果具有較好的穩(wěn)健性。

借鑒潘海嵐等[17]的研究方法，采用工具變量對模型進行內(nèi)生性檢驗。其一，選用距離變量，即各銀行總部所在地到杭州的球面距離與當年全國數(shù)字普惠金融指數(shù)均值的乘積作為工具變量。由于螞蟻集團總部在杭州，該指標在一定程度上能夠體現(xiàn)該地區(qū)數(shù)字普惠金融的發(fā)展狀況，而距離作為地理變量，和銀行不良貸款率沒有直接關(guān)聯(lián)，符合工具變量選取的基本條件。其二，將各銀行總部所在城市的互聯(lián)網(wǎng)普及率作為信息化程度的衡量指標。地區(qū)的互聯(lián)網(wǎng)普及程度和數(shù)字普惠金融的發(fā)展緊密相連，而對銀行不良貸款的直接影響較小，滿足工具變量的相關(guān)性與外生性要求。在采用兩階段最小二乘法（IV-2SLS）進行實證分析后，表5報告了數(shù)字普惠金融對商業(yè)銀行不良貸款率的影響在考慮了潛在內(nèi)生性問題后，依然保持著統(tǒng)計上的顯著性。

（三）異質(zhì)性分析

為考察數(shù)字普惠金融對不同規(guī)模銀行不良貸款率影響的差異性，參考張海燕的研究[18]，將研究樣本按規(guī)模進行分樣本回歸。表6列（1）結(jié)果表明大規(guī)模銀行和小規(guī)模銀行的影響系數(shù)均通過1%水平的顯著性檢驗，但大規(guī)模銀行由于其規(guī)模經(jīng)濟效應和更強的風險管理能力，對數(shù)字普惠金融有更強的適應性，因此其影響系數(shù)相對較小。相比之下，小規(guī)模銀行在應對數(shù)字普惠金融帶來的變化時可能面臨更多挑戰(zhàn)，如技術(shù)投入不足、風險評估能力不足等，導致不良貸款率受數(shù)字普惠金融發(fā)展的影響更為顯著。

表6列（2）顯示不同性質(zhì)的銀行表現(xiàn)出不同的顯著性。國有銀行的影響系數(shù)并不顯著，這主要得益于國有銀行完善的風險管理機制以及強大的資本實力。全國性股份制商業(yè)銀行影響系數(shù)最大，且通過1%水平的顯著性檢驗，主要是源于其更加注重市場化和靈活性，試圖在數(shù)字普惠金融的發(fā)展中尋找機遇，但同時容易因過度追求業(yè)務擴張而忽視風險控制。地方性商業(yè)銀行作為服務地方經(jīng)濟的重要力量，其影響系數(shù)同樣通過了顯著性檢驗，但相較于全國性股份制商業(yè)銀行，其影響系數(shù)更小。這主要是因為地方性商業(yè)銀行深耕本地市場，對當?shù)亟?jīng)濟環(huán)境和企業(yè)情況更為熟悉，數(shù)字普惠金融發(fā)展帶來的新業(yè)務拓展，對地方性商業(yè)銀行的影響相對較小，因此不良貸款率受到的沖擊也相對較弱。綜上，不同規(guī)模以及所有權(quán)性質(zhì)不同的商業(yè)銀行，數(shù)字普惠金融發(fā)展對其不良貸款率的影響存在差異，假設2得到驗證。

（四）中介效應分析

在已知數(shù)字普惠金融指數(shù)與商業(yè)銀行不良貸款率呈正相關(guān)的基礎上，參考江艇[19]和李雙建等[20]以往研究中關(guān)于中介效應的檢驗方法，進一步將銀行的存貸比作為中介變量進行檢驗，可以揭示數(shù)字普惠金融如何通過影響存貸比來影響其不良貸款率。

中介效應檢驗結(jié)果如表7所示，行（2）表明數(shù)字普惠金融指數(shù)對存貸比影響的系數(shù)顯著為正，行（3）將中介變量存貸比納入模型，結(jié)果顯示二者的回歸系數(shù)分別在1%和10%水平下顯著為正。以上結(jié)果表明數(shù)字普惠金融發(fā)展會提升銀行存貸比，并進一步提高其不良貸款率。迫于數(shù)字普惠金融發(fā)展帶來的競爭壓力，銀行可能會采取更加激進的貸款策略搶占信貸市場份額，例如支持小微企業(yè)和個人創(chuàng)業(yè)者等長尾客戶，進而提高貸款總額。另外，數(shù)字普惠金融也可能帶來信息不對稱的問題，由于銀行難以全面了解借款人的信用狀況和還款能力，因此可能做出不準確的貸款決策，從而增加不良貸款的可能性。因此，在數(shù)字普惠金融影響銀行不良貸款率的過程中，存在數(shù)字普惠金融→存貸比→銀行不良貸款率的傳導渠道，假設3得到驗證。

五、結(jié)論與建議

立足于數(shù)字普惠金融持續(xù)發(fā)展的現(xiàn)實背景及商業(yè)銀行的實際經(jīng)營情況，本文基于2011—2020年間中國23家上市商業(yè)銀行的面板數(shù)據(jù)，探究數(shù)字普惠金融發(fā)展對商業(yè)銀行不良貸款率的影響與機制。研究結(jié)果如下：首先，數(shù)字普惠金融發(fā)展顯著加劇銀行的不良貸款率，且在排除內(nèi)生性之后結(jié)論依然穩(wěn)健成立。其次，異質(zhì)性分析揭示，對于小規(guī)模銀行及全國股份制商業(yè)銀行而言，數(shù)字普惠金融對不良貸款率的正向推動作用更為顯著。最后，中介效應分析表明，數(shù)字普惠金融通過提升銀行存貸比，間接導致銀行不良貸款率增加。

基于上述結(jié)論，本文提出如下建議：一是注重數(shù)字普惠金融發(fā)展與金融機構(gòu)風險的內(nèi)在聯(lián)系，強化數(shù)字普惠金融的風險監(jiān)管與評估。數(shù)字普惠金融有區(qū)別于以往金融市場特有的風險特征，因此，需建立有針對性的風險評估體系，對涉及數(shù)字普惠金融相關(guān)業(yè)務的商業(yè)銀行進行定期的風險評估，以創(chuàng)造良好的信貸環(huán)境。二是制定差異化風險防控策略，確保風險防控措施的針對性及有效性。為應對小規(guī)模銀行和全國性股份制商業(yè)銀行在數(shù)字普惠金融發(fā)展中的突出挑戰(zhàn)，政府可適當提供相應政策扶持和業(yè)務引導，為其建立良性的信貸環(huán)境。同時，應加強對該部分銀行的監(jiān)管指導，建立健全風險防控機制。此外，為確保其穩(wěn)健運營，應鼓勵不同類型商業(yè)銀行之間的合作與交流，共享風險管理經(jīng)驗和技術(shù)資源，提升銀行體系的整體風險防控水平。三是優(yōu)化信貸結(jié)構(gòu)，提升整體資產(chǎn)質(zhì)量。商業(yè)銀行應根據(jù)自身風險承受能力、資本充足率等實際情況，將存貸比水平控制在可承受范圍內(nèi)，避免盲目追求貸款規(guī)模而忽略不良貸款相關(guān)風險。同時，應重視優(yōu)質(zhì)客戶及優(yōu)質(zhì)項目的貢獻度，降低對高風險客戶和項目的貸款投放力度。

參考文獻：

［1］ OZILI P K. Impact of Digital Finance on Financial Inclusion And Stability［J］.Borsa Istanbul Review，2018，18（4）：329-340.

［2］ 龐加蘭，查雨城.數(shù)字普惠金融對新質(zhì)生產(chǎn)力的影響及作用機制研究［J］.農(nóng)村金融研究，2024，（7）：54-66.

［3］ 張勛，萬廣華，張佳佳，等.數(shù)字經(jīng)濟、普惠金融與包容性增長［J］.經(jīng)濟研究，2019，54（8）：71-86.

［4］ SCHUETZ S，VENKATESH V. Blockchain，ａDoption，and Financial Inclusion in India： Research Opportunities［J］.International Journal of Information Management，2020，52：101936.

［5］ 陳熹.數(shù)字普惠金融服務中部地區(qū)鄉(xiāng)村產(chǎn)業(yè)振興的影響與機制研究［J］.南昌大學學報（人文社會科學版），2023，54（5）：71-82.

［6］ 王珂凡，何文彬.數(shù)字普惠金融賦能共同富裕的實證檢驗［J］.統(tǒng)計與決策，2024，40（14）：132-137.

［7］ 衛(wèi)曉鋒.數(shù)字普惠金融的風險與監(jiān)管［J］.金融理論與實踐，2019，479（6）：49-54.

［8］ 賀剛，張清，龔孟林.數(shù)字普惠金融內(nèi)涵、創(chuàng)新與風險研究［J］.甘肅金融，2020，503（2）：31-35.

［9］ CRAIG BR，DINGER V. Deposit Market Competition，Wholesale Funding，and Bank Risk［J］.Journal of Banking amp; Finance，2013，37（9）：3605-3622.

［10］ 赫國勝，李曉斌.商業(yè)銀行ESG表現(xiàn)與不良貸款率——基于中國的實證研究［J］.金融論壇，2024，29（2）：26-36.

［11］ 吳晶妹，王平.信用環(huán)境對商業(yè)銀行不良貸款率的影響分析與建議［J］.投資研究，2022，41（1）：6-19.

［12］ 李亞敏.數(shù)字普惠金融與城市商業(yè)銀行不良貸款——基于城商行面板數(shù)據(jù)的分析［D］.濟南：山東財經(jīng)大學，2024.

［13］ 張杉.數(shù)字普惠金融對區(qū)域創(chuàng)新的影響研究——基于省級面板數(shù)據(jù)的實證分析［J］.價格理論與實踐，2021（11）：136-139.

［14］ 劉艷.數(shù)字普惠金融對農(nóng)業(yè)全要素生產(chǎn)率的影響［J］.統(tǒng)計與決策，2021，37（21）：125-128.

［15］ 葛莉，常裕琦.互聯(lián)網(wǎng)金融背景下北京銀行不良貸款率影響因素的實證分析［J］.長春理工大學學報（社會科學版），2020，33（1）：101-107.

［16］ 孫光林，蔣偉.數(shù)字經(jīng)濟對商業(yè)銀行不良貸款率的影響機制研究［J］.證券市場導報，2021（5）：39-46.

［17］ 潘海嵐，康思.數(shù)字普惠金融是否有效激發(fā)了文旅消費潛力？——基于CFPS的經(jīng)驗證據(jù)［J］.金融理論與實踐，2024（7）：58-70.

［18］ 張海燕.數(shù)字普惠金融對農(nóng)戶收入結(jié)構(gòu)影響的異質(zhì)性研究［J］.統(tǒng)計與決策，2021，37（24）：154-158.

［19］ 江艇.因果推斷經(jīng)驗研究中的中介效應與調(diào)節(jié)效應［J］.中國工業(yè)經(jīng)濟，2022（5）：100-120.

［20］ 李雙建，李俊青，張云.地方政府債務擴張對銀行全要素生產(chǎn)率的影響研究［J］.國際金融研究，2024（6）：64-74.