数字普惠金融对中小企业投资效率的影响
来源:用户上传
作者:王澎涵,杨有振,范瑞
摘要：以2011―2015年北京大学数字普惠金融指数与中国工业企业数据为基础，实证分析数字普惠金融对中小企业投资效率的影响。研究表明，数字普惠金融水平的提升能够有效提高中小企业投资效率；在机制检验中发现，中小企业融资约束变量发挥中介影响作用；进一步研究发现，数字普惠金融在不同情况下对中小企业效率提升作用有所不同，对所属区域城镇化率较低、过度投资、非国有、所属外部融资依赖度较高行业、所属区域市场化程度较高的企业提升作用较大。通过稳健性检验与内生性检验，上述研究结论依然成立。研究有助于厘清数字普惠金融对中小企业投资效率的影响及影响机制，并对金融供给侧结构性改革提供理论支撑与依据。
关键词：数字普惠金融；中小企业；投资效率；融资约束
中图分类号：F83 文献标识码：A文章编号：1007-2101（2022）06-0012-14
一、引言
中小企业作为中国最具活力的经济主体之一，在经济增长中充当着重要的角色，时至今日，中小企业创造了60%的国内生产总值，安置了80%的城镇就业人口。①但长期以来，中小企业投资效率较为低下的问题没有得到解决［1］。一方面，相对于国有企业与大型企业，中小企业的效益与成长性较高，具有较好的投资机会，但受制于融资约束，缺乏足够的资金进行投资；另一方面，市场结构碎片化所引致的高昂监管成本，使金融机构对中小企业进行项目识别与资金使用的监督较为困难，信息不对称问题较为严重，易引发企业的道德风险，中小企业在缺乏外部约束的情况下进行过度投资，导致有限的金融资源浪费在效益较差的投资项目上。从微观层面上看，中小企业能否进行有效的资源配置，把稀缺的资本配置到投资项目中，使得投资机会顺利转化为实际投资，将企业有限的资金进行高效利用，不仅决定其自身竞争能力与发展前景，甚至关乎其在激烈的市场竞争中的生存问题［2］。从宏观层面上看，将金融资源从低效率生产部门与领域抽离，促进生产要素向高效率部门与领域配置，关系着中国经济的发展质量与资源配置效率。
传统金融模式下，以商业银行为代表的金融机构基于风险的考量，其金融模式以企业规模、所有权属性、抵押物等企业“硬信息”为基础开展业务［3］，导致中小企业面临着较为严重的融资约束［4］。与传统金融的模式不同，基于大数据、区块链、人工智能、物联网、云计算的数字普惠金融模式在拓宽风险评估渠道、提高风险评估精准度、挖掘用户潜在需求等方面对现有金融模式产生了颠覆性影响［5］。数字普惠金融的发展旨在让中小企业等弱势群体享受到金融服务，提高金融服务的覆盖面和可获得性，缓解金融市场的信息不对称，有效加强外部投资者对中小企业的监督约束机制，进而提升金融资源配置效率，以促进实体经济发展。因此，以受到融资约束较为严重的中小企业作为研究对象，考察数字普惠金融的发展对于中小企业投资效率的作用及影响机制，有助于认识和深化金融供给侧结构性改革的内涵。
二、文献综述与理论分析
（一）文献综述
目前，研究数字普惠金融与企业的相关文献主要集中于企业创新方向［6-7］，关于数字普惠金融对企业投资效率影响的相关研究较少。因此，本文通过梳理与总结企业投资效率影响因素、数字普惠金融的功能、信息不对称理论、金融监管理论的相关文献，作为研究数字普惠金融对中小企业投资效率影响及影响机制的理论依据。
部分学者如曹春方等［8］、赵娜等［9］将企业投资效率损失定义为投资不足与过度投资，本文亦沿用此定义。关于企业投资效率的影响因素，现有文献从多种角度进行了剖析。金融市场的不完善会导致缺乏抵押品、信用记录的中小企业等低净值群体面临着较为严重的金融排斥，这种金融排斥使中小企业难以获取充足的资金投资于高收益项目，从而降低资本配置效率［10-12］。在传统金融模式下，Hellwig［13］、Rajan［14］发现企业对间接融资的过度依赖会提高银行的议价能力，银行借此提高利率或提出限制性措施，企业的投融资活动受到抑制。Stiglitz和Weiss［15］认为信息不对称所引发的逆向选择和道德风险是企业难以获得融资的重要因素。受制于体制扭曲、市场制度不健全、信息不对称等因素，中国的金融市场长期存在着较为失衡的金融资源配置，中小企业等弱势群体存在不同程度的金融排斥，金融结构失衡和金融排斥现象严重困扰着中国实体经济投资效率的提升及经济高质量发展［16］。委托代理理论认为，企业缺乏外部投资者的监管压力会使企业管理者偏离以企业价值最大化为目标进行投资决策，产生对企业不利的投资［17］。
以信息技术为支撑的数字普惠金融的发展可以减少信息不对称、降低交易成本、拓展交易可能性集合、推动交易去中介化和优化资源配置［18-19］。一方面，数字普惠金融的发展突破地理限制，将企业经营状况与风险状况“实时化”“细致化”，大数据技术能够实时录入企业货物流通信息、销售额、创新支出、资金流动等“软信息”，促进金融机构由单纯依据企业“硬信息”转换为基于企业“软信息”与“硬信息”多维度指标作为其贷款决策的考量，为传统金融模式下金融可得性较低的“长尾群体”提供金融服务，提高中小企业金融可得性，缓解其融资约束，促进资源配置效率的提升；另一方面，数字普惠金融的发展使得众筹平台、互联网融资等创新融资模式涌现，为中小企业提供了新的融资渠道。
基于此，本文提出假设1：数字普惠金融的发展能够有效缓解企业融资约束。
部分学者认为数字普惠金融的发展能够有效缓解中小企业融资约束问题，进而对中小企业的投资不足产生影响，提升中小企业投资效率，但数字普惠金融的发展对中小企业过度投资的行为无显著影响。例如王娟和朱卫未［20］认为数字普惠金融的发展能够有效校正企业非效率投资，但未能对企业过度投资行为产生显著影响。张友棠和常瑜常21］利用2011―2018年业板企业的数据和北京大学数字普惠金融指数，考察数字普惠金融对企业投资效率的影响，研究发现，数字普惠金融的发展会增加企业的现金持有水平、降低企业的债务融资成本，进而缓解公司的投资不足，但对于企业过度投资行为无显著影响。本文认为，数字普惠金融的发展不仅能够缓解中小企业投资不足，还能够有效约束中小企业的过度投资行为。
nlc202212131403
已有学者对数字普惠金融的发展能够缓解信息不对称作出了论证。马玎和万蓬勃［22］从交易成本的角度进行研究，指出数字普惠金融的发展能够加强银企关联程度，有效降低企业搜寻成本、信息交互成本、议价成本，进而降低企业债务融资成本。Beck等［23］在其理论研究中，运用一般均衡模型证明数字普惠金融能够有效降低金融市场信息不对称。安宝洋［24］、岳中刚等［25］的研究发现，数字普惠金融能够扩大金融机构的信息来源，减缓其面临的信息不对称。在公司治理中，由于公司所有者与经理人之间信息不对称引发的代理成本，使得经营公司的经理人倾向于所控制的资源最大化，过于追求公司规模的扩张及营业额的增长，导致公司的实际资本支出偏离其最优规模，影响资本配置的有效性［26］。Narayanan［27］、Zechner和Heinkel［28］认为，投资者与企业之间的信息不对称会导致企业的投资项目与其资金获取成本不匹配，对企业的估值超过其实际价值时，易导致企业过度投资。依前文所述，数字普惠金融的发展有助于缓解借贷双方的信息不对称，进而规避企业的道德风险，约束企业的过度投资行为。
此外，关于引入外部债务对企业过度投资行为的约束作用，Jensen［17］认为企业债务可以缓解股东和代理人之间的代理问题，进而约束企业的过度投资行为。黄乾富和沈红波［29］根据1997―2004年206家中国制造业上市公司数据，实证考察公司债务与公司过度投资的关系，结果表明，债务对公司过度投资行为具有较强的约束作用。在Du和Zhou［30］的研究中，得出公司债务与公司过度投资呈现出显著负相关关系的结论。陈其安等［31］在研究银行债务与企业过度投资时，发现当企业的银行债务具有正监管弹性的情况下，企业过度投资行为会随着银行债务的增加而减弱。上述外部债务对企业过度投资行为的约束作用的前提为有效的外部监督，数字普惠金融为金融机构对企业的有效监管提供了可能性，企业经营信息通过物联网被实时录入金融机构的大数据系统，区块链技术保障数据的真实性与安全性，金融机构云计算技术对企业的“软信息”进行加工与风险建模，基于人工智能搭建的智能化风险防控系统能够实时监控和预警资金使用情况。由于中小企业抵押品价值相对较低，并且中小企业的债务具有较强的正监管弹性，企业在引入外部监管后，缓解中小企业融资约束的同时，抑制中小企业的过度投资行为。
（二）理论分析
为进一步论述数字普惠金融对中小企业投资效率的影响，本文构建数字普惠金融下的企业投资模型进行理论分析。
考虑一个中小企业i拥有自有资本为w；企业需要投资的资本额为k，假定其自有资本无法满足其投资需求，需要通过外部融资进行资本补充，为简单起见，本文设置以下假设：
1.企业生产仅需资本k一个生产要素即可满足其生产，设置f（k）为产量；
2.增加生产要素总是会增加产量，但要素的边际报酬递减，即f′（k）>0， f″（k）<0；
在传统金融环境下，由于信息不对称、昂贵的监管成本等因素，金融机构对中小企业群体统一以rn的利率发放贷款，中小企业可获得的利润π1为：
π1=f（k）-（1+rn）（k-w）（1）
企业利润最大化的一阶条件为：
π1k=f′（k1）-1-rn=0
f′（k1）=1+rn（2）
即在传统金融模式下，中小企业会选择k1的资本量进行投资。
随着数字普惠金融的发展，金融机构借助于中小企业“硬信息”与“软信息”多维数据综合考察借款人，以确定贷款利率。其在数字普惠金融下的利润为π2。
π2=f（k）-［1+ri（Difi）］（k-w）（3）
企业利润最大化的一阶条件为：
π2k=f′（k2）-1-ri（Difi）=0
f′（k2）=1+ri（Difi）（4）
即在数字普惠金融模式下，中小企业会选择k2的资本量进行投资。
在式（3）（4）中，ri（Difi）为金融机构借助于数字普惠金融评估中小企业的综合状况以确定的利率水平（下文公式中表示相同含义）。依据前文所述，中小企业成长性相对较高、盈利能力相对较强，在传统金融模式下，面临较为严重的融资约束和高昂的融资成本，数字普惠金融具有规模效应、范围效应，能够降低金融机构的信息获取成本，为中小企业量身定制贷款利率。所以，一般情况下，ri（Difi）<rn，继而f′（k2）<f′（k1）。由于f″（k）<0，即企业生产曲线形状为上凸，k2>k1，即在数字普惠金融环境下，中小企业投资额度相对较高；在传统金融环境下，中小企业投资额度相对较低。数字普惠金融能够缓解中小企业投资不足。
而在中小企业过度投资情景下，数字普惠金融的应用使金融机构方便追踪链上交易，快速定位高风险资金流向。中小企业和金融机构以信息流为牵引，利用金融机构大数据技术与预警系统，可以实时监测中小企业的资金流动，对于企业过度投资行为，金融机构对相关企业以定价较高的利率进行贷款。在中小企业过度投资行为下，其收益π3为：
π3= f（k）-［1+ri（Difi）］（k-w）
-（k-w）Ci（Difi）（5）
在式（5）中，Ci（Difi）为中小企业可能受到的贷款额度限制、负面征信所带来的损失，数字普惠金融发展程度越高，其受到的“惩罚”越精确。
将式（5）化简，得到式（6）：
π3= f（k）-［1+ri（Difi）-Ci（Difi）］（k-w）（6）
其利最大化的条件为：
π3k=f′（k3）-1-ri（Difi）-Ci（Difi）=0
f′（k3）=1+ri（Difi）+Ci（Difi）（7）
nlc202212131403
即中小企业会选择k3的资本进行投资。
数字普惠金融的大数据技术能够实时收集企业资金流动数据；区块链技术保证企业交易信息不能被篡改；人工智能技术能够实时监测与预警企业的异常资金流动；云计算能够帮助金融机构精确计量风险，并以此进行定价。由于存在过度投资行为的企业，其资金使用具有效率低下、风险较大的特征，因此，相关企业面临的利率水平高于传统金融模式下依据中小企业群体平均“硬信息”及信用状况所定价的利率水平，即ri（Difi）>rn，又因为Ci（Difi）>0，所以f′（k3）>f′（k1）。由于f″（k）<0，即企I生产曲线形状为上凸，因此，k3<k1<k2，即数字普惠金融能够约束中小企业的过度投资行为。
依照上述文献综述与理论分析，本文提出假设2：数字普惠金融的发展能够促进中小企业投资效率的提升。
三、研究设计
参考金融发展与经济增长的有关研究[32]，本文采用双向固定效应模型，即在模型中控制企业个体效应和时间效应，分析数字普惠金融对中小企业投资效率的影响。
（一）数据来源与处理
本文原始数据来源于郭峰等[33]编制的2011―2015年北京大学省级数字普惠金融指数、2011―2015年中国各省统计年鉴、EPS数据平台的2011―2015年中国工业企业数据②。在进行研究之前，参考祝继高等[34]的数据处理方法进行如下处理：（1）剔除资产负债率大于1的观测值；（2）EPS数据平台的中国工业企业数据从2011年起收录规模以上的工业企业数据，即主营业务收入2 000万元以上的工业企业数据，因此，剔除主营业务收入低于2 000万元的异常观测值；（3）根据工业和信息化部、国家统计局、国家发展和改革委员会、财政部制定的《关于印发中小企业划型标准规定的通知》，工业企业的从业人员小于1 000人或年营业收入小于4亿元的企业为中小企业，结合本文的研究对象，剔除同时满足从业人员大于1 000人和营业收入大于4亿元的观测值；（4）由于中国工业企业数据可能存在偏误，为避免异常值对于研究的影响，本文对企业期望投资方程回归所得的残差与融资约束衡量指标SA指数按照1%的极端值进行缩尾处理。
（二）变量定义
关于企业投资效率的衡量方法，Richardson［35］将企业实际投资与企业期望投资作回归得到模型的残差项，以残差项对企业非效率投资进行量化。国内部分学者如李维安和马超［36］、张昭等［37］、黄飞鸣和童婵［38］采用Richardson［35］提出的投资期望模型估计企业的最优投资，并以企业实际投资值与最优投资值作回归所得的残差衡量企业的投资效率，本文亦沿用此方法衡量企业的投资效率，用企业的实际投资规模对企业期望投资作回归得到估计的残差，以估计的残差值衡量企业的投资效率，企业投资效率模型如下：
investi，t=α0+ α1growt-1+ α2sizei，t-1+ α3levi，t-1+ α4ebiti，t-1+α5investi，t-1+α6agei，t+δi+θt+εi，t（8）
在式（8）中，i代表企业，t代表年度，δi表示企业个体固定效应，θt表示时间固定效应，εi，t为残差项，其他变量的定义如表1所示。对式（8）作回归，并求出残差，得到EXinvest变量，对其取绝对值。为研究数字普惠金融对于中小企业投资效率的影响，设置式（9）：
|EXinvesti，p，t|=β0+ β1DIFIp，t+ β2controli，p，t+
δi+θt+εi，t（9）
在式（9）中，下标i代表企业，p代表企业所属省份，t代表年度。control为控制变量，β0是常数项，β1、β2为变量系数。式（8）求出的残差若为负，表明企业投资不足，其绝对值越大表明投资不足的程度越严重；残差如果为正，表明企业存在过度投资，其值越大表示企业过度投资的程度越严重。综合来看，残差的绝对值表明企业的实际投资偏离期望投资的距离，即投资是否具有效率，残差的绝对值与企业的投资效率呈反比关系。
选取北京大学数字普惠金融省级指数DIFI作为核心解释变量。此外，为进一步控制地区层面和企业层面其它的可能会影响中小企业投资效率的因素，选取省份人均GDP的对数作为地区控制变量，选取企业的自由现金流cfo和管理费用adfare作为企业层面的控制变量（见表1）。
（三）描述性统计
表2报告了变量的观测数量、均值、标准差、最小值与最大值。其中，企业投资效率均值为0302，标准差为0232，最小值为0，最大值为1095，这表明中小企业的投资效率具有较大差异。此外，数字普惠金融指数也在较大范围内浮动，在各区域之间发展较为不均衡，这为考察数字普惠金融对中小企业投资效率的影响提供了良好的数据基础。
四、实证结果分析
（一）数字普惠金融与中小企业投资效率
表3报告了中小企业投资效率对数字普惠金融指数的基准回归，无论是否加入控制变量，中小企业投资偏离度对DIFI回归的系数显著为负。加入控制变量后，DIFI的系数为-0001，在1%的显著性水平下显著。表明指数每增长1个单位，中小企业实际投资水平与最佳投资水平之间的差距会缩小01%，考虑到各省数字普惠金融指数平均值从2011年的40增加到2015年的220，若以数字普惠金融指数增长的平均值计算，数字普惠金融2011―2015年的发展使中小企业实际投资水平与最佳投资水平之间的距离缩小18%。可以看出，这是一个非常可观的数据，其经济意义非常显著。这说明，数字普惠金融发展程度的提升能够有效促进中小企业投资效率的改善，初步验证前文的理论假设。
（二）中介效应分析
为了验证假设1，考察融资约束作为数字普惠金融对中小企业投资效率的影响机制。本文参考Baron和Kenny[39]的方法设置中介效应模型进行检验，借鉴Hadlock和Pierce[40]、鞠晓生等[41]的方法，运用企业规模与企业年龄这两个相对外生的变量构建SA指数③，并取企业SA指数的绝对值得到变量FC，以衡量企业的融资约束程度。进一步设置式（10）与式（11）。
nlc202212131403
FCi，p，t=φ0+ φ1DIFIp，t+ φ2controli，p，t+ δi+θt+εi，t（10）
|EXinvesti，p，t|=β0+ β1DIFIp，t+ β2FCi，p，t+ β3controli，p，t+ δi+θt+εi，t（11）
由于融资约束是连续型变量，为更加清晰地刻画中介机制，构造虚拟变量FCD④，设置式（12）。实证结果如表4所示。
|EXinvesti，p，t|=β0+ β1DIFIp，t+ β2FCDi，p，t+ β3DIFIp，t×FCDi，p，t+ β4controli，p，t+ δi+θt+εi，t（12）
在表4第（1）列和第（2）列中小企I融资约束对数字普惠金融发展程度指标DIFI的回归结果中，DIFI的系数显著为负，表明数字普惠金融发展程度越高，中小企业受到的融资约束程度越小，说明数字普惠金融的发展能够有效缓解中小企业融资约束问题。式（11）的回归结果如表4的（3）（4）列所示，加入融资约束变量FC作为解释变量进行回归，中小企业投资偏离度对融资约束的回归系数显著为正，说明融资约束扩大了中小企业投资偏离程度，对DIFI的回归系数的正负与表3一致，但系数绝对值相对变小，这表明，融资约束在数字普惠金融对中小企业投资效率的影响中发挥了部分中介效应。进一步地，DIFI与FCD的交互项系数显著为负，表明数字普惠金融的发展能够有效缓解融资约束对企业投资效率的制约。
当数字普惠金融发展程度较高时，一方面，中小企业由于融资渠道的拓展和金融市场信息不对称状况的改善，其受到的融资约束能够得到一定程度的缓解，进而促进中小企业投资不足问题的改善，提升中小企业的投资效率；另一方面，中小企业引入外部投资者，信息不对称状况的缓解推动外部约束监督机制进一步加强，能够有效约束中小企业进行过度投资；此外，对于中小企业低效率投资行为，金融机构对中小企业采取信贷额度限制等措施，从源头遏制中小企业的过度投资行为，进而提升中小企业的投资效率。
五、机制分析与异质性分析
（一）数字普惠金融促进中小企业投资效率的 “普惠性”
在理论分析中，数字普惠金融一方面通过缓解中小企业融资约束促进企业投资效率的提升，另一方面通过缓解信息不对称、规避企业的道德风险，加强对中小企业的监督约束机制，促进企业投资效率的提升。如果数字普惠金融是通过上述机制影响中小企业投资效率，那么融资约束、信息不对称程度相对较强地区的中小企业，可以通过数字普惠金融享受到现代金融体系的服务，数字普惠金融的发展对这些落后地区的中小企业相当于“雪中送炭”；而较为发达地区的中小企业，受到的融资约束相对较低，金融市场的信息不对称程度较弱，数字普惠金融的发展对这些地区的中小企业更多地是“锦上添花”。
本文在实证中考察数字普惠金融在发达地区与不发达地区的相对影响，设置式（13），用城镇化率衡量地区的发达程度，并用数字普惠金融指数与城镇化率的交互项刻画数字普惠金融影响中小企业投资效率的机制。
|EXinvesti，p，t|=β0+ β1DIFIp，t+ β2urbanp，t+ β3DIFIp，t×urbanp，t + β4controli，p，t+δi+θt+εi，t（13）
表5报告了相关实证结果，结果显示，数字普惠金融发展程度与城镇化率的交互项显著为负，说明城镇化率越低的地区，数字普惠金融发展促进企业投资效率提高的边际效应越强，因此，数字普惠金融的发展对较不发达地区的中小企业投资效率具有更大的提升作用。
（二）投资效率损失类型的异质性检验
前文的理论假设提到，数字普惠金融的发展不仅缓解中小企业的投资不足，还能够约束中小企业的过度投资行为。为验证上述理论假设，将式（8）回归的残差值按大于和小于0进行分组，残差值小于0的中小企业定义为投资不足样本组；残差值大于0的中小企业定义为过度投资样本组。分别对两组残差取绝对值，以衡量实际投资对期望投资的偏离程度，对数字普惠金融指数DIFI进行回归，回归结果如表6所示。投资不足样本组与投资过度样本组的DIFI系数均显著为负，表明数字普惠金融的发展既能够有效提升投资不足中小企业的投资效率，也能够提升过度投资中小企业的投资效率。验证前文所设理论模型，数字普惠金融的发展不仅缓解中小企业投资不足的困境，而且能够降低信息不对称， 加强对中小企业的监督，进而约束中
（三）是否国有控股的异质性检验
将样本分为国有企业与非国有企业进行分组检验，回归结果如表7所示。可以看出，国有企业样本组的DIFI系数不显著，非国有企业样本组的DIFI系数显著为负，表明数字普惠金融对非国有企业投资效率的提升有显著影响，对国有企业投资效率无显著影响。可能的原因为：第一，国有企业在当地往往承担着稳就业、保障民生等政策性职能，地方政府存在干预金融资源投放或对国有企业进行财政补贴等非市场化行为；第二，由于“所有制偏好”的存在，金融机构倾向于向国有企业发放贷款，国有企业受到的融资约束相对较弱；第三，地方政府作为国有企业的隐性“背书人”，一定程度上改变了商业银行信贷配置决策，对国有企业贷款使用的事后监督较为放松；第四，国有企业与国有银行之间政治关联性较强，国有企业与国有银行之间更像是一种“准债券”的约束关系，国有企业对资金成本相对不敏感，易形成低效率投资［42］。基于上述分析，数字普惠金融对国有企业投资效率的提升作用较弱。而非国有企业相对于国有企业，其融资渠道较为缺乏，受到的融资约束程度较为严重，金融可得性的提升能够有效缓解其面临的投资不足问题；另一方面，信息不对称的缓解有助于金融机构加强对非国有企业的事后监督，以制约非国有企业的过度投资行为。因此，数字普惠金融的发展有助于提升非国有中小企业的投资效率，但对国有中小企业的投资效率提升效果不明显。
nlc202212131403
（四）外部融资依赖度的异质性检验
借鉴安苑和王B[43]的方法，使用长期负债与固定资产的比值来度量企业所属行业的外部融资依赖度。固定资产投资与长期负债的特征往往是行业特有的，企业长期负债的重要动机之一就是进行投资。因此，首先计算每个企业的外部融资依赖度，将企业按其所属行业进行分类，进一步求出每一类别企业外部融资依赖度的平均值，以平均值度量企业所属行业外部融资依赖度，按所有行业外部融资依赖度的中位数将行业划分为外部融资依赖度较低和较高的行业，进行异质性分析，结果如表8所示。
从表8可知，在外部融资依赖度较低的行业组，无控制变量的情况下DIFI系数显著为负，加入控制变量后，DIFI系数不显著；而外部融资依赖度较高的行业组，DIFI在两种情况下系数均显著为负，且外部融资依赖度较高行业组系数的绝对值大于外部融资依赖度较低行业组系数的绝对值。上述分析结果表明，数字普惠金融提升企业投资效率的作用在所属行业外部融资依赖度较高的中小企业中更加突出。对于所属行业外部融资依赖度较低的中小企业而言，其外部融资依赖度较低，数字普惠金融提升中小企业投资效率的边际效应相对不明显，这进一步验证了缓解中小企业融资约束是数字普惠金融影响中小企业投资效率的重要中介渠道。
（五）市场化水平的异质性检验
由于在市场化程度较低的环境中，金融资源的配置受到非市场化因素的影响，例如金融机构依据上级部门的要求，分配、指定普惠金融贷款的发放，甚至存在金融机构为完成中小企业贷款发放额度的指标要求，降低对企业资质的审核标准，这一方面使金融资源不能有效地配置，导致数字普惠金融对企业投资效率的提升效果大打折扣；另一方面，基于行政干预的普惠金融贷款发放可能导致企业还款的软约束，使数字普惠金融缓解信息不对称、降低企业道德风险的功能被抑制，约束企业过度投资的机制减弱，因此，本文依据每年各省份市场化指数的中位数将企业所属省份划分为市场化程度高的地区与较低的地区进行检验⑤。
从表9回归结果可以看出，在市场化程度较低地区的中小企业和市场化程度较高地区的中小企业分组回归中，DIFI系数值均显著为负。但市场化程度较低地区的中小企业DIFI系数的显著性水平和绝对值均小于市场化程度较高地区的中小企业DIFI系数。说明数字普惠金融提升中小企业投资效率的作用会随着地区市场化程度的不同而有所差异，地区市场化程度越高，数字普惠金融提升中小企业投资效率的影响作用越强。
六、稳健性检验
（一）替换核心解释变量
为检验基准回归结构的稳健性，本文替换数字普惠金融指标，将数字普惠金融指数取对数，重新衡量数字普惠金融的发展程度，进行实证检验，结果如表10所示。
核心解释变量系数的方向与显著性水平均没有发生变化，说明本文的回归结果是稳健的。
（二）替换被解释变量
为避免中小企业投资效率的测度偏误影响表3的实证结果，本文借鉴Biddle等[44] 的投资效率衡量方法，其核心思想与Richardson[35]的方法一致，即用实际投资规模对最佳投资规模进行回归，得到回归模型的残差，以残差的绝对值衡量企业投资的偏离程度。设置式（14）：
investi，t= β0+ β1growt-1+δi+θt+εi，t（14）
对式（14）作回归求得残差项，将求得的残差项取绝对值，以衡量中小企业的投资效率，实证回归结果如表11所示。
实证结果显示，DIFI的系数显著为负，说明数字普惠金融的发展有利于促进中小企业投资效率的提升，回归结果与基准回归一致，故可以认为本文实证结果较为稳健。
（三）替换中介变量
为检验数字普惠金融影响中小企业投资效率的中介机制是否稳健，设定银行借款比率bankloan作为融资约束的反向指标进行中介机制检验，其计算方法为企业的利息支出与总负债的比值。虽然利息占总负债的比值较高有可能反映中小企业所付的贷款利息较高，但贷款可得性是衡量融资约束最基本、最主要的考量。所以，本文认为，企业总负债中的利息支出占比越大，其银行借款或其他类型的借款额相对较多，融资约束程度越小。因此，本文假设，若某个地区的数字普惠金融发展程度越高，那么该地区中小企业的银行借款比率相对较高，其融资约束程度较低。设置式（15）和式（16），以考察融资约束作为中介变量的模型设置是否稳健。
bankloani，p，t=φ0+ φ1DIFIp，t+ φ2controli，p，t+ δi+θt+εi，t（15）
|EXinvesti，p，t|=β0+ β1DIFIp，t+ β2bankloani，p，t + β3controli，p，t+ δi+θt+εi，t（16）
对式（15）与式（16）作回归，得到的回w结果如表12所示。从表12第（2）列银行借款比率对数字普惠金融指数的回归结果可以看到回归系数为正，说明数字普惠金融可以促进中小企业银行借款比率的提升，缓解中小企业面临的融资约束。在（3）列和（4）列中，考察加入银行借款比率的回归结果，发现银行借款比率与被解释变量|EXinvest|呈显著的负向关系，由于|EXinvest|衡量中小企业实际投资与期望投资之间的距离，因此，中小企业的银行借款比率越高，即中小企业融资约束相对较弱，中小企业的投资效率相对较高。综上所述，关于数字普惠金融的发展通过缓解中小企业融资约束，进而提升中小企业投资效率的中介效应模型的设定是稳健的。
（四）内生性检验
本文选取的北京大学数字普惠金融指数属于宏观层面的变量，受到单个中小企业投资效率的影响较小，故存在反向因果关系的可能性较小，但仍可能存在遗漏变量的内生性问题，导致回归结果非一致性估计。为了进一步检验数字普惠金融与中小企业投资效率之间的因果关系，通过工具变量法，使用城镇居民每百户家庭持有移动电话数量IV作为工具变量进行内生性检验。一方面，本文研究所选取的样本时间2011―2015年正是中国3G网络和4G网络普及的时期，也是中国移动网络高速发展的时期，移动电话已成为居民和企业使用网络的主要载体之一，为居民和企业享受数字金融服务提供了便利，因此，每百户家庭持有移动电话的数量与数字普惠金融发展水平高度相关；另一方面，每百户家庭持有移动电话数量对中小企业投资效率影响较小，因此，选取的每百户家庭持有移动电话数量作为工具变量与回归式中的残差项基本无相关关系。基于工具变量法的两阶段最小二乘估计结果如表13所示。
nlc202212131403
在第一阶段的回归中，工具变量每百户家庭持有移动电话数量与数字普惠金融发展指数呈显著的正向关系，满足工具变量的相关性条件。在第二阶段的回归中，数字普惠金融指数的系数显著为负，表明数字普惠金融发展程度的提升促进了中小企业投资效率的提升，与表3的回归结果一致，说明本文的研究结论是稳健的。
七、结论与建议
（一）结论
本文实证分析了数字普惠金融对中小企业投资效率的影响，结果表明：（1）数字普惠金融的发展有效提升了中小企业投资效率。（2）数字普惠金融的发展能够缓解中小企业融资约束，促进中小企业投资不足问题的解决，进而提升中小企业投资效率；数字普惠金融具有降低金融市场信息不对称的功能，金融机构的外部监管能够有效抑制中小企业可能存在的过度投资行为，进而提升其投资效率。（3）数字普惠金融对中小企业投资不足与过度投资均有所缓解；数字普惠金融对发展程度较低区域的中小企业投资效率促进效用更大；数字普惠金融对国有企业投资效率无显著影响，对非国有企业投资效率具有显著提升作用；数字普惠金融对处于外部融资依赖度较高行业的中小企业投资效率有显著提升作用，但对处于外部融资依赖度较低行业的中小企业投资效率无显著影响；数字普惠金融在市场化程度较高地区对中小企业投资效率有较大提升作用，在市场化程度较低地区的提升作用较小。（4）通过稳健性检验和内生性检验，检验结果与实证结果基本一致，说明本文研究结论较为稳健。
（二）建议
基于以上的研究结论与分析，本文提供如下建议：第一，加快建设有关数字普惠金融的基础性设施和服务，进一步提升数字普惠金融的触达能力。例如，加快建设金融数据中心和算力中心，开发金融场景化的人工智能、区块链、安全多方计算等创新技术应用，将5G移动通信基站进一步普及；宣传相关金融常识，提升中国居民的金融素养，有效拓展普惠金融的服务对象。第二，在政策层面鼓励发展数字金融，将“东数西算”的国家战略与数字金融有机结合，研发有关数字金融技术，加快制定“数字金融+”的相关政策，即数字金融与其他要素相结合，促进数字金融在中小企业部门的应用。例如数字金融与普惠金融有机结合为数字普惠金融，由于数字金融具有降低金融市场信息不对称的特征，能够降低传统普惠金融“最后一公里”的服务成本、提升金融可得性、缓解金融错配，是“数字金融+”的典型案例。第三，商业银行应加快部署数字普惠金融发展战略，加强其信息技术平台的建设，利用大数据、区块链、人工智能等新型技术与其普惠金融业务相结合，使其经营业务及数据获取更加信息化；建设智能风险控制系统，提升风险管理水平，将授信策略由担保驱动模式转化为信用驱动模式，依据中小企业经营状况的“软信息”等多维度信息进行金融资源配置。第四，构建互联互通的多部门信息共享平台，打破数字鸿沟。在数字经济时代，大数据技术收集的中小企业的生产经营信息与居民消费信息都将成为商业银行及其他部门优化决策的依据，数据作为信息载体已成为金融机构的重要生产要素。而信息资源具有非排他性与非竞用性特征，因此，要充分发挥信息资源的规模效应、范围效应，在保护好企业经营信息和居民隐私的前提下，去除信息边界，促进信息资源在金融机构内流通、共享与整合，更好地促进数字普惠金融的发展。
本文考察数字普惠金融对中小企业投资效率的影响及影响机制，丰富了相关领域的研究内容，为提升中小企业投资效率、促进金融资源向中小企业倾斜提供新的经验证据，对于深化金融供给侧结构性改革、优化社会投资结构具有借鉴意义。
注释：
①数据来源于零壹智库《中国普惠小微金融发展报告（2020）》。
②本文选择的中国工业企业数据，数据收集的时间总跨度为1998―2015年；北京大学数字普惠金融指数时间跨度为2011―2020年，进行匹配后剩余2011―2015年的数据。考虑到数据的实时性与完整度，本文曾考虑过利用2011―2020年A股上市公司的数据匹配2011―2020年北京大学数字普惠金融指数加以研究。但A股上市公司一般规模较大，其规模远超过所有企业的平均水平，即使中小企业板也不例外。另外，总体来看，上市公司的经营能力和融资能力也要优于同等规模的非上市公司。因此，以上市公司作为样本，考察融资约束作为中介变量对中小企业投资效率产生的影响，可能会导致严重的样本选取偏差。综合权衡考虑，本研究最终决定采用中国工业企业数据库，极大地扩充了样本数量，更具有代表性。
③SA=-0.737×size+0.043×size2-0.04×age；其中size槠笠倒婺５淖匀欢允，age为企业的年龄；SA指数为负且绝对值越大，说明企业受到的融资约束程度越严重。
④对于低融资约束的企业，定义为其t年SA指数大于t年SA指数75%分位数的观测值，FCD取值为0；对于融资约束较严重的企业则定义为其t年SA指数小于t年SA指数75%分位数的观测值，FCD取值为1。
⑤数据来源于《中国各省份市场化指数报告（2018）》。
参考文献：
[1]史金艳，陈婷婷.融资约束下异质债务对中小企业投资效率的影响[J].大连理工大学学报（社会科学版），2016（1）：37-43.
[2]钱雪松，方胜.《物权法》出台、融资约束与民营企业投资效率――基于双重差分法的经验分析[J].经济学（季刊），2021（2）：713-732.
[3]梁帆.融资约束、风险投资与中小企业成长――基于中国A股上市公司的实证[J].河北经贸大学学报，2015（2）：72-79.
[4]钱海章，陶云清，曹松威，等.中国数字金融发展与经济增长的理论与实证[J].数量经济技术经济研究，2020（6）：26-46.
[5]ARJUNWADKAR P Y.FinTech：The Technology Driving Disruption in the Financial Services Industry[M].Boca Raton Auerbach Publications，2018.
nlc202212131403
[6]w晓鸽，钟世虎，郭晓欣.数字普惠金融发展、金融错配缓解与企业创新[J].科研管理，2021（4）：158-169.
[7]万佳，周勤，肖义.数字金融、融资约束与企业创新[J].经济评论，2020（1）：71-83.
[8]曹春方，周大伟，吴澄澄.信任环境、公司治理与民营上市公司投资-现金流敏感性[J].世界经济，2015（5）：125-147.
[9]赵娜，张晓峒，朱彤.董事声誉偏好与企业投资效率――基于中国2005―2016年上市公司的实证分析[J].南开经济研究，2019（5）：198-224.
[10]GALOR O，ZEIRA J.Income distribution and macroeconomics[J].The Review of Economic Studies，1993，60（1）：35-52．
[11]BECK T，DEMIRGUC-KUNT A，LEVINE R.Finance，Inequality，and Poverty： Cross-Country Evidence[J]. NBER Working Papers，2004.
[12]HONOHAN P.Financial development，growth and poverty：How close are the links？ [R].Working Paper，2004.
[13]HELLWIG M.Banking，Financial Intermediation， and Corporate Finance[M]//GIOVANNINI A，MAYER C.European Financial Intergration.Cambridge：Cambridge University Press，1991：35-63.
[14]RAJAN R G.Insiders and Outsiders： The Choice Between Informed and Arm’s-Length Debt [J].Journal of Finance，1992，47（4）：1367-1400.
[15]STIGLITZ J E，WEISS A.Credit Rationing in Markets with Imperfect Information[J].The American Economic Review，1981，71（3）：393-410.
[16]刘亦文，陈亮，李毅，等.金融可得性作用于实体经济投资效率提升的实证研究[J].中国软科学，2019（11）：42-54.
[17]JENSEN M C.Agency Costs of Free Cash Flow，Corporate Finance，and Takeovers[J].The American Economic Review，1986，76（2）：323-329.
[18]谢平，邹传伟.互联网金融模式研究[J].金融研究，2012（12）：11-22.
[19]谢平，邹传伟，刘海二.互联网金融的基础理论[J].金融研究，2015（8）：1-12.
[20]王娟，朱卫未.数字金融发展能否校正企业非效率投资[J].财经科学，2020（3）：14-25.
[21]张友棠，常瑜.数字金融对科技型企业投资效率影响的实证检验[J].统计与决策，2020（16）：179-183.
[22]马玎，万蓬勃.互联网金融发展、银企关联与创业板公司债务融资[J].财会月刊，2019（20）：141-148.
[23]BECK T，PAMUK H，RAMRATTAN R.Payment Instruments，Finance and Development[J].Journal of Development Economics，2018，133：162-186.
[24]安宝洋.互联网金融下科技型小微企业的融资创新[J].财经科学，2014（10）：1-8.
[25]岳中刚，周勤，杨小军.众筹融资、信息甄别与市场效率――基于人人贷的实证研究[J].经济学动态，2016（1）：54-62.
[26]JENSEN M C，MECKLING W H.Theory of the Firm： Managerial Behavior，Agency Costs and Ownership Structure[J].Journal of financial economics，1976，3（4）： 305-360.
[27]NARAYANAN M P.Debt versus Equity under Asymmetric Information[J].Journal of Financial and Quantitative Analysis，1988，23（1）：39-51.
[28]HEINKEL R，ZECHNER J.The Role of Debt and Perferred Stock as a Solution to Adverse Investment Incentives[J].Journal of Financial and Quantitative Analysis，1990，25（1）：1-24.
[29]黄乾富，沈红波.债务来源、债务期限结构与现金流的过度投资――基于中国制造业上市公司的实证证据[J].金融研究，2009（9）：143-155.
[30]DU W，ZHOU H.Impacts of the Debt Financing on Firms’Investment Behavior：Evidence from the Chinese Listed Manufacturers[C]//2010 2nd IEEE International Conference on Information and Financial Engineering.IEEE，2010：837-877.
nlc202212131403
[31]其安，李红强，徐礼.股权激励、银行债务约束、控制权私利与我国国有控股上市公司经营者过度投资行为[J].系统管理学报，2013（5）：675-684.
[32]LEVINE R.Finance and Growth： Theory and Evidence[J].Handbook of Economic Growth，2005，1：865-934.
[33]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[J].经济学（季刊），2020（4）：1401-1418.
[34]祝继高，李天时，赵浩彤.银行结构性竞争与企业投资效率――基于中国工业企业数据的实证研究[J].财经研究，2020（3）：4-18.
[35]RICHARDSON S.Over-investment of free cash flow［J］.Review of Accounting Studies，2006，11（2-3）：159-189.
[36]李维安，马超.“实业+金融”的产融结合模式与企业投资效率――基于中国上市公司控股金融机构的研究[J]．金融研究，2014（11）：109-126.
[37]张昭，朱峻萱，李安渝．企业金融化是否降低了投资效率[J].金融经济学研究，2018（1）：104-116.
[38]黄飞鸣，童婵.银行业联合授信制度制约企业的非效率投资了吗――基于沪深A股公司的分析[J].经济理论与经济管理，2021（2）：54-69.
[39]BARON R M，KENNY D A.The Moderator-Mediator Variable Distinction in Social Psychological Research： Conceptual，Strategic，and Statistical Considerations[J].Journal of Personality and Social Psychology，1986，51（6）：1173-1182.
[40]HADLOCK C J，PIERCE J R.New Evidence on Measuring Financial Constraints：Moving Beyond the KZ Index[J].Review of Financial Studies，2010，23（5）：1909-1940.
[41]鞠晓生，卢荻，虞义华.融资约束、营运资本管理与企业创新可持续性[J].经济研究，2013（1）：4-16.
［42］安维东，赵烨.创始人政治关联、制度环境与控制权配置――基于创业板与中小企业板上市公司的经验证据[J].河北经贸大学学报，2021（6）：92-101.
[43]安苑，王B.地方政府财政行为周期性、产业成长与结构失衡――基于产业外部融资依赖度的分析[J].财经研究，2014（11）：29-43.
[44]BIDDLE G C，HILARY G，VERDI R S.How Does Financial Reporting Quality Relate to Investment Efficiency？[J].Journal of Accounting and Economics，2009，48（2-3）：112-131.
责任编辑：艾岚
The Impact of Digital Financial Inclusion on the Investment Efficiency of SMEs
Wang Penghan， Yang Youzhen， Fan Rui
（School of Finance， Shanxi University of Finance and Economics，Taiyuan Shanxi 030031， China）
Abstract：Based on the Peking University Digital Financial Inclusion Index and Chinese industrial enterprise data from 2011 to 2015，this paper empirically analyzes the impact of digital financial inclusion on the investment efficiency of SMEs. The research shows that the improvement of the level of digital financial inclusion can effectively improve the investment efficiency of SMEs; in the mechanism test， it is found that the financing constraint variables of SMEs play an intermediary role; further research finds that digital financial inclusion can affect the efficiency of SMEs under different circumstances. The promotion effect is different. Digital inclusive finance has a greater promotion effect on enterprises with low urbanization rate in the region， excessive investment， non-state-owned enterprises， industries with high dependence on external financing， and high marketization in their regions. Through robustness test and endogeneity test， the above research conclusions still hold. The research of this paper helps to clarify the impact and impact mechanism of digital inclusive finance on the investment efficiency of SMEs， and provides theoretical support and basis for the structural reform of the financial supply side.
Key words：digital financial inclusion；SMEs；investment efficiency；financing constraints
nlc202212131403
转载注明来源:https://www.xzbu.com/4/view-15443205.htm
