林愛杰，梁 琦，傅國華

1 中山大學(xué) 管理學(xué)院，廣州 510275 2 海南大學(xué) 管理學(xué)院，?？?570228

引言

2008年以來，中國經(jīng)濟(jì)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(jì)危機(jī)和金融危機(jī)[1-2]。根據(jù)國家資產(chǎn)負(fù)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(jì)增長有重要貢獻(xiàn)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(shí)體經(jīng)濟(jì)正面臨債務(wù)風(fēng)險(xiǎn)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(dǎo)至資金不足的企業(yè)又不增加實(shí)體經(jīng)濟(jì)的債務(wù)風(fēng)險(xiǎn)，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(qiáng)了金融服務(wù)實(shí)體經(jīng)濟(jì)的能力，但鮮有研究探討數(shù)字金融是否會(huì)加劇企業(yè)的債務(wù)風(fēng)險(xiǎn)。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(fēng)險(xiǎn)，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(fēng)險(xiǎn)、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(jì)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(jì)后果

已有研究主要關(guān)注數(shù)字金融發(fā)展對經(jīng)濟(jì)活動(dòng)和傳統(tǒng)金融市場的影響。在經(jīng)濟(jì)活動(dòng)方面，數(shù)字金融發(fā)展促進(jìn)了居民消費(fèi)[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(fèi)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(jìn)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(jì)活動(dòng)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(fēng)險(xiǎn)承擔(dān)[12]，推動(dòng)了利率市場化，對銀行的負(fù)債結(jié)構(gòu)產(chǎn)生了顯著影響，負(fù)債結(jié)構(gòu)的變化使銀行資產(chǎn)端的風(fēng)險(xiǎn)承擔(dān)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(shí)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(jī)理，認(rèn)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(yàn)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(cái)務(wù)費(fèi)用、提升企業(yè)內(nèi)部控制和風(fēng)險(xiǎn)穩(wěn)定程度來降低企業(yè)杠桿率；阮堅(jiān)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(yàn)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(dòng)性需求，從而驅(qū)動(dòng)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(diǎn)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(biāo)體系，增加了開展相關(guān)實(shí)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(shí)間還不長，觀察數(shù)字金融發(fā)展的影響需要較長的時(shí)間，才能更準(zhǔn)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?。簧鲜衅髽I(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(dǎo)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(gè)研究難點(diǎn)，北京大學(xué)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(gè)層級(jí)的北京大學(xué)數(shù)字普惠金融指數(shù)，較為科學(xué)、全面和準(zhǔn)確地刻畫了中國一段較長時(shí)間跨度的數(shù)字金融多種業(yè)態(tài)的實(shí)際發(fā)展?fàn)顩r[19]，這為實(shí)證檢驗(yàn)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(gè)研究難點(diǎn)，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(yàn)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(yàn)發(fā)現(xiàn)，信貸擴(kuò)張為規(guī)模小、民營化程度高和擔(dān)保能力弱的公司提供了較多的銀行資金，其負(fù)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(jìn)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(fēng)險(xiǎn)。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(shí)體經(jīng)濟(jì)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(qiáng)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(qiáng)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(shí)體經(jīng)濟(jì)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(jìn)一步細(xì)分短期杠桿率、長期杠桿率和債務(wù)期限并進(jìn)行檢驗(yàn)。

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(shí)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(dòng)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(dòng)支付技術(shù)安全性的不斷提高，移動(dòng)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(shí)間成本[23]。以支付寶為代表的第三方支付充當(dāng)了電子商務(wù)平臺(tái)上的商戶與消費(fèi)者之間的交易信用中介，促使網(wǎng)上交易達(dá)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(cái)?shù)纫惨蕾囉诘谌街Ц?，用戶留存在互?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(jìn)行創(chuàng)新和改進(jìn)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(gè)金融體系的支付清算效率[25]。

JACK et al.[26]利用在肯尼亞實(shí)施的一項(xiàng)家庭調(diào)查數(shù)據(jù)，研究基于非智能手機(jī)的移動(dòng)支付工具M(jìn)-PESA對家庭風(fēng)險(xiǎn)分擔(dān)的影響，發(fā)現(xiàn)負(fù)面收入沖擊降低了非M-PESA用戶家庭的人均消費(fèi)水平，但未降低M-PESA用戶家庭的人均消費(fèi)水平，M-PESA使家庭在遭受負(fù)面收入沖擊時(shí)能夠收到更多的匯款來平滑消費(fèi)和消除風(fēng)險(xiǎn)的影響；SURI et al.[27]進(jìn)一步研究發(fā)現(xiàn)，M-PESA提高了肯尼亞家庭的人均消費(fèi)水平，使19.4 萬個(gè)家庭脫離極端貧困；BECK et al.[28]以M-PESA為例，構(gòu)建了一個(gè)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(dòng)態(tài)一般均衡模型，利用肯尼亞的企業(yè)層面數(shù)據(jù)進(jìn)行校準(zhǔn)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(shí)越可能使用移動(dòng)支付工具，使用移動(dòng)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(jìn)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(jī)構(gòu)只注重借款人的收入、信用記錄和資產(chǎn)等財(cái)務(wù)硬信息的信用評估模型不同，數(shù)字金融機(jī)構(gòu)通過利用大數(shù)據(jù)、云計(jì)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(jìn)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(shí)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(fēng)險(xiǎn)，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(tái)上的借款人披露的標(biāo)準(zhǔn)信息和非標(biāo)準(zhǔn)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(tái)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(huì)娟等[31]利用網(wǎng)貸平臺(tái)的交易數(shù)據(jù)檢驗(yàn)發(fā)現(xiàn)，信用認(rèn)證機(jī)制對揭示信用風(fēng)險(xiǎn)具有積極作用，借款人信用評級(jí)越高，借款成功率越高、成本越低。網(wǎng)貸平臺(tái)上的個(gè)人借款并非全都用于消費(fèi)，部分中小企業(yè)主以個(gè)人身份在網(wǎng)貸平臺(tái)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(jì)、規(guī)模經(jīng)濟(jì)和范圍經(jīng)濟(jì)三重效應(yīng)，從而降低金融交易成本[32]。

除了網(wǎng)貸平臺(tái)模式之外，另一種數(shù)字金融機(jī)構(gòu)提供的網(wǎng)絡(luò)小額貸款利用借款人的非財(cái)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(kuò)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(fēng)險(xiǎn)。中國的電商平臺(tái)生成大量可用于信用分析的商戶和消費(fèi)者數(shù)據(jù)，數(shù)字金融機(jī)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(fēng)險(xiǎn)、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(fēng)險(xiǎn)定價(jià)越精確，還能根據(jù)特定群體的風(fēng)險(xiǎn)特征調(diào)整信貸條款，對電商平臺(tái)的實(shí)時(shí)銷售監(jiān)控也使數(shù)字金融機(jī)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(jìn)行更嚴(yán)格的篩選[33]。FUSTER et al.[34]認(rèn)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(jī)構(gòu)的貸款審批速度比傳統(tǒng)貸款機(jī)構(gòu)更快，而且貸款違約率比傳統(tǒng)貸款機(jī)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(fēng)險(xiǎn)。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(kuò)大金融服務(wù)覆蓋面，降低信貸市場準(zhǔn)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(jì)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(fēng)險(xiǎn)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(yùn)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(fù)債包括短期負(fù)債和長期負(fù)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(huì)影響長期杠桿率，但短期杠桿率降低的同時(shí)會(huì)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(fù)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(cái)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(cái)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(yán)重，信息不對稱提高了傳統(tǒng)金融機(jī)構(gòu)對中小企業(yè)的金融交易成本，導(dǎo)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(diǎn)，可以有效補(bǔ)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(dǎo)型金融體系，信貸市場存在嚴(yán)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(jì)發(fā)展做出重要貢獻(xiàn)的私營企業(yè)獲得的銀行正式貸款份額遠(yuǎn)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(dǎo)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(jī)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(yán)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(qiáng)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(jì)發(fā)展具有先導(dǎo)作用，金融發(fā)展有助于提高中國經(jīng)濟(jì)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(gè)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(yùn)行報(bào)告(2018)》，2017年東部地區(qū)的社會(huì)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(jī)構(gòu)網(wǎng)點(diǎn)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?fàn)顩r統(tǒng)計(jì)報(bào)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(shí)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(shí)和技術(shù)密集的特點(diǎn)，創(chuàng)新研發(fā)費(fèi)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(fēng)險(xiǎn)難以預(yù)見，這些特點(diǎn)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(dǎo)型金融體系，銀行普遍只認(rèn)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(fēng)險(xiǎn)問題，風(fēng)險(xiǎn)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(shí)物抵押資產(chǎn)，在不動(dòng)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(shí)產(chǎn)權(quán)。但由于缺少權(quán)威的知識(shí)產(chǎn)權(quán)評估機(jī)構(gòu)，知識(shí)產(chǎn)權(quán)抵押的實(shí)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(shí)性、創(chuàng)新程度、風(fēng)險(xiǎn)水平和應(yīng)用前景，風(fēng)險(xiǎn)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(fēng)險(xiǎn)較低和資本回報(bào)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(fēng)險(xiǎn)和市場風(fēng)險(xiǎn)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(shí)實(shí)在在的企業(yè)財(cái)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(shí)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(shí)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(rèn)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(rèn)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(qiáng)。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(jì)

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)?；跀?shù)據(jù)可得性，本研究選擇2012年至2016年中國31個(gè)省份工業(yè)數(shù)據(jù)和31個(gè)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(gè)工業(yè)樣本和3 702個(gè)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(xì)分行業(yè)數(shù)據(jù)檢驗(yàn)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(yàn)4個(gè)研究假設(shè)，本研究從兩個(gè)層面進(jìn)行實(shí)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(yàn)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(xì)分行業(yè)數(shù)據(jù)，檢驗(yàn)數(shù)字金融發(fā)展對不同區(qū)域和不同研發(fā)投入強(qiáng)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(xué)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(jí)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(jìn)行了詳細(xì)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(fèi)[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(gè)指數(shù)測量不同維度的數(shù)字金融發(fā)展?fàn)顩r。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(xiǎn)業(yè)務(wù)、投資業(yè)務(wù)和征信業(yè)務(wù)指標(biāo)合成，使用深度指數(shù)越高，表示該地區(qū)對各項(xiàng)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(huì)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(jí)層面控制變量：①金融發(fā)展水平，為銀行業(yè)金融機(jī)構(gòu)各項(xiàng)貸款余額占GDP的比重；②融資結(jié)構(gòu)，為直接融資占社會(huì)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(shí)際加權(quán)貸款利率，等于根據(jù)1年期貸款基準(zhǔn)利率按時(shí)間加權(quán)計(jì)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(shí)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(shí)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(jìn)行平減得到實(shí)際GDP，再根據(jù)實(shí)際GDP計(jì)算出2011年至2015年各省實(shí)際GDP增速。用實(shí)際加權(quán)貸款利率和實(shí)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?yàn)?015年12月召開的中央經(jīng)濟(jì)工作會(huì)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(bào)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(shí)收資本的比重，因?yàn)樵谥袊鴮Σ煌兄破髽I(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(jì)年鑒》《中國工業(yè)統(tǒng)計(jì)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(jìn)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(gè)省、4個(gè)直轄市、5個(gè)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(fù)債除以企業(yè)總資產(chǎn)，企業(yè)短期杠桿率為企業(yè)流動(dòng)負(fù)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(dòng)負(fù)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(dòng)負(fù)債除以企業(yè)總負(fù)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(xiàng)，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(xiàng)。其他變量含義見表1。α1的標(biāo)準(zhǔn)誤采用省級(jí)層面的聚類穩(wěn)健標(biāo)準(zhǔn)誤，根據(jù)H1，被解釋變量為總杠桿率和短期杠桿率時(shí)，預(yù)期α1顯著為負(fù)。

表1 描述性統(tǒng)計(jì)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(shí)體經(jīng)濟(jì)的主體，本研究根據(jù)《國民經(jīng)濟(jì)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(gè)行業(yè)構(gòu)建三維面板回歸模型進(jìn)行實(shí)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(xiàng)，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(xiàng)。β1的標(biāo)準(zhǔn)誤采用省份-行業(yè)層面的聚類穩(wěn)健標(biāo)準(zhǔn)誤，根據(jù)H1，被解釋變量為總杠桿率和短期杠桿率時(shí)，預(yù)期β1顯著為負(fù)。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(qiáng)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(jìn)行基準(zhǔn)回歸估計(jì)。

表1給出變量的描述性統(tǒng)計(jì)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(shí)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(yàn)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(fù)，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(gè)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(dá)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(shí)際加權(quán)貸款利率越低、實(shí)際M2增長越快，工業(yè)企業(yè)總杠桿率越高；實(shí)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(shí)體經(jīng)濟(jì)風(fēng)險(xiǎn)和系統(tǒng)性金融風(fēng)險(xiǎn)。

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(jìn)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(yàn)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(fù)，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(gè)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(yàn)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(yàn)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(gè)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(bào)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(fù)債中的短期債務(wù)率，才能夠在未增加長期負(fù)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(fēng)險(xiǎn)，H1得到驗(yàn)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(yàn)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(fù)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(yàn)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(fù)，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(gè)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(yàn)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(fù)，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(gè)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(yàn)證。

本研究進(jìn)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(shí)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(fù)但均不顯著，故未報(bào)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(yàn)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(fù)，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(gè)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(jìn)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(yàn)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(fù)，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(gè)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(yàn)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(fù)，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(gè)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(yàn)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(yuǎn)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(jià)值。

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

本研究檢驗(yàn)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(yàn)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(fù)，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(gè)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(yàn)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(fù)，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(gè)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(gè)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(yàn)證。

5 內(nèi)生性檢驗(yàn)和穩(wěn)健性檢驗(yàn)

5.1 內(nèi)生性檢驗(yàn)

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(jìn)行內(nèi)生性檢驗(yàn)，采用《中國統(tǒng)計(jì)年鑒》公布的省級(jí)電話普及率、移動(dòng)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(dòng)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(dòng)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(dòng)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(yàn)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(shí)別不足檢驗(yàn)、弱識(shí)別檢驗(yàn)和過度識(shí)別檢驗(yàn)等有效性檢驗(yàn)，而異方差穩(wěn)健的內(nèi)生性檢驗(yàn)統(tǒng)計(jì)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(yán)重的內(nèi)生性問題，前文根據(jù)固定效應(yīng)模型估計(jì)得到的基準(zhǔn)結(jié)果具有穩(wěn)健性。

為進(jìn)一步加強(qiáng)該結(jié)論的可靠性，本研究繼續(xù)檢驗(yàn)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(yàn)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(yàn)統(tǒng)計(jì)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(jì)下在10%水平上顯著為負(fù)，未改變固定效應(yīng)模型估計(jì)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(yàn)統(tǒng)計(jì)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(jì)下不顯著，未改變固定效應(yīng)模型估計(jì)的結(jié)果。因此，本研究根據(jù)固定效應(yīng)模型估計(jì)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(jì)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(yàn)

5.2.1 數(shù)字金融發(fā)展與短期杠桿率的關(guān)系

為加強(qiáng)本研究實(shí)證結(jié)果的穩(wěn)健性，繼續(xù)檢驗(yàn)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(jìn)行回歸估計(jì)。

本研究首先檢驗(yàn)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(shí)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(fù)報(bào)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(yàn)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(fù)，而使用深度指數(shù)的回歸系數(shù)為負(fù)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(gè)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(yàn)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(fù)，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(gè)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(fù)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(fù)，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(yàn)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(fēng)險(xiǎn)，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(jià)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(yàn)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(shí)顯著的實(shí)證結(jié)果，見表10。表10的(1)列～(4)列分別檢驗(yàn)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(yàn)證。(5)列～(8)列分別檢驗(yàn)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(yàn)證。

6 結(jié)論

本研究以2012年至2016年中國31個(gè)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(yàn)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(fēng)險(xiǎn)。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(qiáng)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(qiáng)，大于非中部地區(qū)。⑥在行業(yè)研發(fā)投入強(qiáng)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(shí)體經(jīng)濟(jì)的債務(wù)風(fēng)險(xiǎn)，體現(xiàn)出數(shù)字金融的普惠價(jià)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(diǎn)之一是要增強(qiáng)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(dǎo)和支持?jǐn)?shù)字金融的發(fā)展，一方面，要加強(qiáng)對數(shù)字金融機(jī)構(gòu)的監(jiān)管，嚴(yán)控?cái)?shù)字金融機(jī)構(gòu)自身的風(fēng)險(xiǎn)；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(jī)構(gòu)給予一定的政策支持，鼓勵(lì)數(shù)字金融機(jī)構(gòu)與金融弱勢群體精準(zhǔn)對接，有利于提升中國整體的金融資源配置效率和經(jīng)濟(jì)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(fēng)險(xiǎn)。防范和化解重大風(fēng)險(xiǎn)是黨的十九大以來確立的三大攻堅(jiān)戰(zhàn)之首，實(shí)體經(jīng)濟(jì)健康發(fā)展是防范和化解風(fēng)險(xiǎn)的基礎(chǔ)，要在穩(wěn)增長的基礎(chǔ)上防風(fēng)險(xiǎn)。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(fēng)險(xiǎn)，尤其是短期債務(wù)風(fēng)險(xiǎn)。這表明數(shù)字金融發(fā)展既能緩解企業(yè)融資約束、促進(jìn)實(shí)體經(jīng)濟(jì)增長，又能降低實(shí)體經(jīng)濟(jì)的債務(wù)風(fēng)險(xiǎn)，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(jī)構(gòu)利用數(shù)字技術(shù)分析和挖掘借款人的軟信息進(jìn)而緩解信息不對稱問題，企業(yè)要充分認(rèn)識(shí)到數(shù)據(jù)的信用價(jià)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(fēng)險(xiǎn)。

(3)傳統(tǒng)金融機(jī)構(gòu)要加快與數(shù)字技術(shù)融合的步伐，實(shí)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(jī)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(jī)構(gòu)利用數(shù)字技術(shù)開展的金融業(yè)務(wù)活動(dòng)。與傳統(tǒng)金融機(jī)構(gòu)尤其是中小型金融機(jī)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(jī)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(kuò)大金融服務(wù)覆蓋面，降低金融服務(wù)準(zhǔn)入門檻和成本，這將有力推動(dòng)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(jìn)一步得到切實(shí)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(jì)年鑒》尚未出版，本研究實(shí)證檢驗(yàn)所用的數(shù)據(jù)時(shí)間跨度較小，無法反映經(jīng)濟(jì)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(shí)間跨度重新檢驗(yàn)二者的關(guān)系；②由于《中國工業(yè)統(tǒng)計(jì)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(xì)致地從城市層面檢驗(yàn)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(dǎo)機(jī)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。