【摘 要】 基于2011—2022年制造業(yè)企業(yè)數(shù)據(jù)，深入探討了數(shù)字普惠金融對(duì)制造業(yè)企業(yè)融資約束的影響效應(yīng)及作用機(jī)理。研究發(fā)現(xiàn)，數(shù)字普惠金融顯著緩解制造業(yè)企業(yè)融資約束，且對(duì)已經(jīng)進(jìn)行數(shù)字化轉(zhuǎn)型、創(chuàng)新力強(qiáng)、非重污染的制造業(yè)企業(yè)融資約束緩解作用更為顯著?；诩夹g(shù)溢出視角，本研究揭示了數(shù)字普惠金融通過(guò)提高銀行信息甄別能力、降低銀行風(fēng)險(xiǎn)管控成本，進(jìn)而緩解制造業(yè)企業(yè)融資約束的作用路徑。此外，基于制造業(yè)企業(yè)的數(shù)字化、創(chuàng)新力和綠色化進(jìn)行異質(zhì)性分析，揭示了不同特征制造業(yè)企業(yè)在數(shù)字普惠金融背景下的融資差異。本研究為理解制造業(yè)企業(yè)融資約束提供了新的視角，也為政策制定者和金融機(jī)構(gòu)提供了有益參考，對(duì)推動(dòng)制造業(yè)企業(yè)高質(zhì)量發(fā)展具有重要意義。

【關(guān)鍵詞】 數(shù)字普惠金融； 制造業(yè)企業(yè)； 融資約束； 技術(shù)溢出

【中圖分類號(hào)】 F832 【文獻(xiàn)標(biāo)識(shí)碼】 A 【文章編號(hào)】 1004-5937（2024）24-0064-07

一、引言

制造業(yè)作為實(shí)體經(jīng)濟(jì)發(fā)展的基石、現(xiàn)代化產(chǎn)業(yè)體系的關(guān)鍵部分及新質(zhì)生產(chǎn)力的重要載體，其發(fā)展對(duì)國(guó)家的未來(lái)戰(zhàn)略格局至關(guān)重要。然而，制造業(yè)面臨融資約束的問(wèn)題[1]，尤其是當(dāng)前實(shí)體經(jīng)濟(jì)仍處于以銀行體系主導(dǎo)的融資環(huán)境中，制造業(yè)因利潤(rùn)率較低（常年2%～4%）而遭遇融資擠出[2]，導(dǎo)致資金難以有效流入。數(shù)字普惠金融作為推動(dòng)金融創(chuàng)新的新引擎，為解決制造業(yè)企業(yè)融資約束提供了新的途徑。

當(dāng)前圍繞數(shù)字普惠金融與企業(yè)融資約束之間關(guān)系的研究，主要分為三類：第一，分析數(shù)字普惠金融對(duì)企業(yè)融資約束的影響效應(yīng)及作用機(jī)制[3-6]；第二，以融資約束為中介變量分析數(shù)字普惠金融對(duì)企業(yè)其他因素的影響[7]；第三，分析融資約束對(duì)企業(yè)其他因素的影響[8]。通過(guò)對(duì)上述文獻(xiàn)分析，發(fā)現(xiàn)其研究對(duì)象集中于中小微企業(yè)[4，6-7]和民營(yíng)企業(yè)[5]，較少對(duì)數(shù)字普惠金融與制造業(yè)企業(yè)融資約束之間的關(guān)系進(jìn)行研究。鑒于制造業(yè)的重要性，本文研究了數(shù)字普惠金融對(duì)制造業(yè)企業(yè)融資約束的影響及作用機(jī)理，并提出政策建議。

本文的可能貢獻(xiàn)主要體現(xiàn)在：第一，將研究視角聚焦于制造業(yè)企業(yè)，深入探討了數(shù)字普惠金融與制造業(yè)企業(yè)融資約束之間的內(nèi)在關(guān)系，拓展了制造業(yè)企業(yè)融資約束理論的研究范疇。第二，從技術(shù)溢出視角厘清數(shù)字普惠金融影響制造業(yè)企業(yè)融資約束的作用機(jī)理，揭示了“數(shù)字普惠金融→對(duì)銀行技術(shù)溢出→提高銀行信息甄別能力、降低銀行風(fēng)險(xiǎn)管控成本→緩解制造業(yè)企業(yè)融資約束”這一作用路徑，這一研究為理解制造業(yè)企業(yè)融資約束提供了新的視角。第三，基于制造業(yè)企業(yè)的數(shù)字化、創(chuàng)新力和綠色化進(jìn)行異質(zhì)性分析，揭示了不同特征的制造業(yè)企業(yè)在數(shù)字普惠金融背景下的融資差異，為理解制造業(yè)企業(yè)融資約束的多樣性提供了更為全面的視角。

二、理論機(jī)制與研究假設(shè)

制造業(yè)企業(yè)在融資過(guò)程中，其融資渠道仍然依賴于傳統(tǒng)金融體系（銀行體系）[2]，融資成本高、融資便利性差、融資效率低[9]。根據(jù)信息不對(duì)稱理論，制造業(yè)企業(yè)產(chǎn)生融資約束的根本原因是借貸雙方的信息不對(duì)稱及其引發(fā)的逆向選擇和道德風(fēng)險(xiǎn)；傳統(tǒng)金融機(jī)構(gòu)與制造業(yè)企業(yè)之間存在一定程度的信息不對(duì)稱，而數(shù)字普惠金融憑借數(shù)字技術(shù)的應(yīng)用不僅可以降低傳統(tǒng)金融機(jī)構(gòu)與制造業(yè)企業(yè)之間的信息不對(duì)稱[10-11]，而且可以對(duì)制造業(yè)企業(yè)建立信用評(píng)估模型，提高對(duì)風(fēng)險(xiǎn)的預(yù)測(cè)處理能力，降低信貸風(fēng)險(xiǎn)[12]。在經(jīng)濟(jì)發(fā)展實(shí)踐中具體表現(xiàn)為：數(shù)字普惠金融打破了傳統(tǒng)金融體系服務(wù)實(shí)體經(jīng)濟(jì)的時(shí)間和空間限制，擴(kuò)大了金融服務(wù)范圍，拓寬了制造業(yè)企業(yè)的融資渠道[13]；數(shù)字普惠金融創(chuàng)新了業(yè)務(wù)流程，重塑了金融服務(wù)實(shí)體經(jīng)濟(jì)的商業(yè)模式，催生了多樣化的金融產(chǎn)品和金融服務(wù)，提升了制造業(yè)企業(yè)獲得資金的便利性、降低了融資成本，拓寬了制造業(yè)企業(yè)的融資渠道[9]；數(shù)字普惠金融的“鯰魚(yú)效應(yīng)”倒逼傳統(tǒng)金融體系變革其商業(yè)模式、業(yè)務(wù)流程、服務(wù)模式、服務(wù)效率[14-15]，降低其金融交易成本，為制造業(yè)企業(yè)提供高效率、低成本的融資服務(wù)?；诖耍岢黾僭O(shè)1。

H1：數(shù)字普惠金融可以緩解制造業(yè)企業(yè)的融資約束。

依據(jù)技術(shù)溢出理論，技術(shù)具有外部性特征，主要表現(xiàn)為技術(shù)領(lǐng)先企業(yè)非自愿與無(wú)意識(shí)的技術(shù)擴(kuò)散會(huì)對(duì)同行或其他企業(yè)的技術(shù)進(jìn)步產(chǎn)生影響（沈悅等，2015）。當(dāng)前中國(guó)數(shù)字普惠金融的發(fā)展在世界上處于領(lǐng)先地位[16]，其先進(jìn)的數(shù)字技術(shù)亦會(huì)產(chǎn)生技術(shù)溢出效應(yīng)，具體作用路徑為：“數(shù)字普惠金融→對(duì)銀行技術(shù)溢出→提高銀行信息甄別能力、降低銀行風(fēng)險(xiǎn)管控成本→緩解制造業(yè)企業(yè)融資約束”。下面對(duì)該作用路徑進(jìn)行詳細(xì)闡述。

數(shù)字普惠金融對(duì)銀行的技術(shù)溢出效應(yīng)通過(guò)以下四種途徑實(shí)現(xiàn)。第一是競(jìng)爭(zhēng)效應(yīng)，數(shù)字普惠金融的快速發(fā)展加劇了金融市場(chǎng)競(jìng)爭(zhēng)、擠壓了銀行生存空間，銀行迫于自身發(fā)展加大對(duì)數(shù)據(jù)要素和數(shù)字技術(shù)的投入[17]。第二是示范效應(yīng)，數(shù)字普惠金融創(chuàng)新的商業(yè)模式、業(yè)務(wù)流程、產(chǎn)品類型和服務(wù)模式，是銀行可借鑒和學(xué)習(xí)的范例，銀行通過(guò)深入學(xué)習(xí)和模仿數(shù)字普惠金融的先進(jìn)做法，加速對(duì)數(shù)字技術(shù)的吸收和應(yīng)用。第三是聯(lián)系效應(yīng)，銀行通過(guò)與互聯(lián)網(wǎng)企業(yè)（數(shù)字普惠金融業(yè)務(wù)發(fā)展較好的企業(yè)，如百度、阿里巴巴、騰訊和京東）展開(kāi)合作，進(jìn)行業(yè)務(wù)聯(lián)系和技術(shù)交流，使銀行能夠接觸和學(xué)習(xí)到先進(jìn)的數(shù)字技術(shù)和業(yè)務(wù)模式，促使銀行不斷提升自身的數(shù)字化水平。第四是人員流動(dòng)效應(yīng)，也是技術(shù)傳播的重要途徑之一。在銀行與互聯(lián)網(wǎng)企業(yè)合作過(guò)程中，技術(shù)人員的相互交流有助于銀行吸收和應(yīng)用數(shù)字技術(shù)，亦有助于銀行內(nèi)部創(chuàng)新氛圍的形成，為其數(shù)字化轉(zhuǎn)型注入新的活力。在經(jīng)濟(jì)發(fā)展實(shí)踐中，這四種效應(yīng)并不是單獨(dú)作用的，而是多種效應(yīng)相互交織、共同影響的；例如，競(jìng)爭(zhēng)效應(yīng)和示范效應(yīng)體現(xiàn)為：部分銀行學(xué)習(xí)、模仿互聯(lián)網(wǎng)企業(yè)建設(shè)基于“場(chǎng)景+金融服務(wù)”的網(wǎng)上平臺(tái)；示范效應(yīng)、聯(lián)系效應(yīng)和人員流動(dòng)效應(yīng)體現(xiàn)為：部分銀行和互聯(lián)網(wǎng)企業(yè)展開(kāi)合作[18]，互聯(lián)網(wǎng)企業(yè)為銀行提供大數(shù)據(jù)以及與之相匹配的數(shù)字技術(shù)，銀行則憑借其金融牌照為互聯(lián)網(wǎng)企業(yè)提供金融服務(wù)拓展等業(yè)務(wù)[18]。

技術(shù)溢出效應(yīng)能夠提升對(duì)銀行信息甄別與風(fēng)險(xiǎn)管控能力。Petersen＆Rajan（2002）將信息分為“硬信息”和“軟信息”，“硬信息”是標(biāo)準(zhǔn)化信息，“軟信息”是非標(biāo)準(zhǔn)化信息且難以通過(guò)正式的信息渠道獲得；銀行雖然對(duì)制造業(yè)企業(yè)的“硬信息”有一定掌握和了解，但無(wú)法全方位了解制造業(yè)企業(yè)的“軟信息”[5]；隨著數(shù)字技術(shù)溢出，銀行能夠深入挖掘和分析制造業(yè)企業(yè)的“軟信息”（Mocetti et al.，2017），從而更全面地了解制造業(yè)企業(yè)的運(yùn)營(yíng)狀況和潛在風(fēng)險(xiǎn)，顯著提升銀行對(duì)制造業(yè)企業(yè)的信息甄別能力；同時(shí)，減少不良貸款和損失的發(fā)生，降低銀行風(fēng)險(xiǎn)管控成本。

隨著銀行信息甄別和風(fēng)險(xiǎn)管控能力的提升，銀行能夠更準(zhǔn)確地評(píng)估制造業(yè)企業(yè)的信用狀況和還款能力，為其提供更加靈活和便捷的融資支持，從而有效緩解了制造業(yè)企業(yè)融資約束?；诖?，提出假設(shè)2。

H2：數(shù)字普惠金融通過(guò)技術(shù)溢出提高銀行信息甄別能力、降低銀行風(fēng)險(xiǎn)管控成本，進(jìn)而緩解制造業(yè)企業(yè)的融資約束。

三、研究設(shè)計(jì)

（一）樣本選擇與數(shù)據(jù)來(lái)源

本文以2011—2022年滬深A(yù)股制造業(yè)企業(yè)為研究對(duì)象。制造業(yè)企業(yè)基本特征、財(cái)務(wù)數(shù)據(jù)和商業(yè)銀行的微觀數(shù)據(jù)均來(lái)源于CSMAR數(shù)據(jù)庫(kù)；數(shù)字普惠金融采用的是北京大學(xué)數(shù)字金融研究中心編制的市級(jí)層面的“數(shù)字普惠金融指數(shù)”；各省份人均GDP來(lái)源于《中國(guó)統(tǒng)計(jì)年鑒》；各省份市場(chǎng)化指數(shù)中2011—2019年數(shù)據(jù)來(lái)源于中國(guó)市場(chǎng)化指數(shù)數(shù)據(jù)庫(kù)，由于外部市場(chǎng)環(huán)境發(fā)展具有持續(xù)性，故用歷年數(shù)據(jù)的年平均增長(zhǎng)率預(yù)測(cè)2020—2022年的市場(chǎng)化指數(shù)；制造業(yè)企業(yè)數(shù)字化轉(zhuǎn)型的數(shù)據(jù)來(lái)自深交所和上交所網(wǎng)站的企業(yè)年報(bào)。遵循已有文獻(xiàn)慣例，本文剔除ST、*ST、PT和已退市的企業(yè)；剔除主要變量缺失的樣本；同時(shí)為避免極端數(shù)值的影響，對(duì)連續(xù)變量進(jìn)行1%和99%的縮尾處理。最終得到2011—2022年12 720個(gè)“企業(yè)-年份”觀察樣本。

（二）主要變量定義

1.被解釋變量。借鑒鞠曉生等（2013）研究，選擇SA指數(shù)測(cè)度制造業(yè)企業(yè)的融資約束，其計(jì)算公式如式1：

SA=-0.737Size+0.043Size2-0.04Age（1）

式1中，SIze是企業(yè)規(guī)模，Age是企業(yè)年齡。最終計(jì)算所得SA指數(shù)為負(fù)且絕對(duì)值越大，說(shuō)明制造業(yè)企業(yè)融資約束程度越嚴(yán)重（鞠曉生等，2013）。

2.解釋變量。借鑒趙紹陽(yáng)等[4]研究，選擇北京大學(xué)數(shù)字金融研究中心編制的市級(jí)層面數(shù)字普惠金融指數(shù)來(lái)度量數(shù)字普惠金融發(fā)展水平。

3.控制變量。遵循已有文獻(xiàn)，本文控制了企業(yè)規(guī)模（Size）、企業(yè)成長(zhǎng)性（Growth）、現(xiàn)金流（Cash）、資產(chǎn)負(fù)債率（Lev）、資產(chǎn)收益率（ROA）、企業(yè)股權(quán)集中度（Cocen）等企業(yè)層面的特征；考慮到數(shù)字普惠金融發(fā)展受到地區(qū)經(jīng)濟(jì)發(fā)展的影響，本文在回歸中還控制了地區(qū)層面的控制變量，包括省份人均GDP（GDPP）、省份市場(chǎng)化水平（Market）。

主要變量的具體定義見(jiàn)表1，主要變量的描述性統(tǒng)計(jì)表限于篇幅未展示。

（三）模型構(gòu)建

1.基準(zhǔn)回歸模型

為檢驗(yàn)數(shù)字普惠金融對(duì)制造業(yè)企業(yè)融資約束的影響，構(gòu)建基準(zhǔn)回歸模型如下：

SAi，t=α0+α1FTc，t+α2Xi，t+α3Zn，t+μc，j+λt+εc，t （2）

其中，下標(biāo)i表示制造業(yè)企業(yè)，c、n、j分別表示制造業(yè)企業(yè)所在城市、省份和行業(yè)，t表示年份。被解釋變量SAi，t表示制造業(yè)企業(yè)i在第t年的融資約束；核心解釋變量FTc，t表示c城市在第t年的數(shù)字普惠金融發(fā)展水平；Xi，t表示企業(yè)層面控制變量；Zn，t表示省級(jí)層面控制變量；ucj和λt分別表示城市-行業(yè)固定效應(yīng)和年份固定效應(yīng)；εc，t表示城市層面聚類穩(wěn)健標(biāo)準(zhǔn)誤。本文關(guān)注核心解釋變量FTc，t的系數(shù)，若α1顯著為負(fù)，則表示數(shù)字普惠金融可以緩解制造業(yè)企業(yè)融資約束。

2.作用機(jī)理模型

為檢驗(yàn)數(shù)字普惠金融是否通過(guò)技術(shù)溢出提高銀行信息甄別能力、降低銀行風(fēng)險(xiǎn)管控成本，進(jìn)而緩解制造業(yè)企業(yè)的融資約束。借鑒彭俞超等[19]研究，直接識(shí)別數(shù)字普惠金融對(duì)銀行信息甄別能力、風(fēng)險(xiǎn)管控成本的影響；選取2011—2022年中國(guó)商業(yè)銀行（已上市）的微觀數(shù)據(jù)，與數(shù)字普惠金融的數(shù)據(jù)進(jìn)行匹配，構(gòu)建模型3：

Bankb，t=β0+β1FTDc，t+β2Zb，t+γc+ηt+δc，t （3）

其中，下標(biāo)b表示銀行，c表示銀行所在城市，t表示年份。Bankb，t表示b銀行在第t年的不良貸款率（Nplrb，t）和管理費(fèi)用（Aecb，t），因?yàn)椴涣假J款率是衡量銀行信息甄別能力的重要指標(biāo)[19]，管理費(fèi)用是衡量銀行風(fēng)險(xiǎn)管控成本的重要指標(biāo)[19]。

數(shù)字普惠金融技術(shù)溢出依賴其底層數(shù)字技術(shù)，在郭峰等[20]的研究中，將數(shù)字普惠金融細(xì)分為三個(gè)維度，分別為覆蓋廣度、使用深度和數(shù)字化程度，其中數(shù)字化程度側(cè)重于技術(shù)層面：為驗(yàn)證數(shù)字普惠金融對(duì)銀行的技術(shù)溢出，模型3中考察數(shù)字化程度對(duì)銀行不良貸款率和管理費(fèi)用的影響。其中，數(shù)字化程度用FTDc，t表示，其含義為c城市在第t年的數(shù)字普惠金融底層數(shù)字技術(shù)的發(fā)展水平。Zb，t表示控制變量矩陣，具體包括銀行資產(chǎn)負(fù)債率（總負(fù)債與總資產(chǎn)之比，用Blev表示），銀行規(guī)模（銀行總資產(chǎn)的對(duì)數(shù)，用Bsize表示），銀行盈利能力（銀行凈利潤(rùn)除以總資產(chǎn)，用Bprofit表示），銀行成立時(shí)長(zhǎng)（銀行存續(xù)時(shí)間的對(duì)數(shù)，用Bage表示）；γc和ηt分別表示城市固定效應(yīng)和年份固定效應(yīng)；δc，t表示城市層面聚類穩(wěn)健標(biāo)準(zhǔn)誤。

四、實(shí)證分析

（一）基準(zhǔn)回歸分析

表2是基于模型2的回歸結(jié)果。其中，列（1）是未控制控制變量、未控制固定效應(yīng)的回歸結(jié)果；列（2）是加入控制變量、未控制固定效應(yīng)的回歸結(jié)果；列（3）是加入控制變量，且控制了城市×行業(yè)的固定效應(yīng)、年份固定效應(yīng)的回歸結(jié)果?；貧w結(jié)果表明，在加入控制變量前后和控制固定效應(yīng)前后，數(shù)字普惠金融的系數(shù)均顯著為負(fù)，說(shuō)明數(shù)字普惠金融可以緩解制造業(yè)企業(yè)融資約束。而且列（3）中的R2相比列（1）、列（2）中的R2均有增加，這說(shuō)明在加入控制變量、控制固定效應(yīng)后，模型2的解釋力更好。據(jù)此，H1得以驗(yàn)證。

（二）內(nèi)生性問(wèn)題

1.工具變量法

為緩解因遺漏變量、測(cè)量誤差或反向因果導(dǎo)致的內(nèi)生性問(wèn)題，本文采用工具變量法。選用各省互聯(lián)網(wǎng)寬帶接入端口數(shù)和移動(dòng)電話普及率作為工具變量，理由如下：一方面，數(shù)字普惠金融的發(fā)展與互聯(lián)網(wǎng)發(fā)展、移動(dòng)電話普及密切相關(guān)，符合工具變量相關(guān)性要求；另一方面，互聯(lián)網(wǎng)寬帶接入端口數(shù)和移動(dòng)電話普及率，這兩個(gè)指標(biāo)與制造業(yè)企業(yè)融資約束之間不存在直接關(guān)聯(lián)，符合工具變量外生性要求。統(tǒng)計(jì)檢驗(yàn)顯示工具變量有效、不存在弱工具變量、工具變量過(guò)度識(shí)別問(wèn)題。工具變量法驗(yàn)證后，數(shù)字普惠金融系數(shù)仍顯著為負(fù)，與基準(zhǔn)結(jié)果一致。限于篇幅，此部分結(jié)果未展示。

2.GMM動(dòng)態(tài)面板分析

制造業(yè)企業(yè)的融資約束具有一定的持久性，即序列相關(guān)。為解決這個(gè)問(wèn)題，進(jìn)一步采用系統(tǒng)GMM回歸來(lái)驗(yàn)證基準(zhǔn)回歸結(jié)果。系統(tǒng)GMM回歸結(jié)果中AR（1）顯著，AR（2）和Hansen檢驗(yàn)均不顯著，表明殘差存在一階自相關(guān)，不存在二階自相關(guān)，且不存在過(guò)度識(shí)別問(wèn)題，滿足系統(tǒng)GMM回歸的使用條件。此時(shí)，數(shù)字普惠金融系數(shù)依然顯著為負(fù)，再次驗(yàn)證基準(zhǔn)回歸所得結(jié)論。限于篇幅，此部分結(jié)果未展示。

（三）穩(wěn)健性檢驗(yàn)

結(jié)合模型2，采用以下方式進(jìn)行穩(wěn)健性檢驗(yàn)。（1）替換被解釋變量。借鑒魏志華等（2014）構(gòu)建KZ指數(shù)的方法，采用KZ指數(shù)度量制造業(yè)企業(yè)融資約束。（2）更換研究方法和聚類方式。本文重新控制了城市固定效應(yīng)、行業(yè)固定效應(yīng)和年份固定效應(yīng)，并將聚類方式由城市層面變換為更嚴(yán)格的行業(yè)層面。（3）剔除特定樣本。本文剔除北京、天津、上海、重慶四個(gè)直轄市后進(jìn)行穩(wěn)健性檢驗(yàn)。此時(shí)，數(shù)字普惠金融對(duì)制造業(yè)企業(yè)融資約束的系數(shù)仍然顯著為負(fù)，說(shuō)明基準(zhǔn)回歸結(jié)果具有穩(wěn)健性。限于篇幅，此部分結(jié)果未展示。

（四）異質(zhì)性分析

黨的二十大報(bào)告強(qiáng)調(diào)“推動(dòng)制造業(yè)高端化、智能化、綠色化發(fā)展”，體現(xiàn)在制造業(yè)企業(yè)的數(shù)字化轉(zhuǎn)型、創(chuàng)新力及綠色化轉(zhuǎn)型三方面，故從這三方面展開(kāi)異質(zhì)性分析。

1.數(shù)字化異質(zhì)性

借鑒趙宸宇等[21]對(duì)企業(yè)數(shù)字化轉(zhuǎn)型程度的處理辦法，得到制造業(yè)企業(yè)數(shù)字化轉(zhuǎn)型指數(shù)；該指數(shù)不為0則屬于進(jìn)行了數(shù)字化轉(zhuǎn)型，該指數(shù)為0則屬于未進(jìn)行數(shù)字化轉(zhuǎn)型；然后依據(jù)模型2進(jìn)行分組回歸。表3列（1）顯示，對(duì)進(jìn)行了數(shù)字化轉(zhuǎn)型的制造業(yè)企業(yè)，數(shù)字普惠金融緩解其融資約束；表3列（2）顯示，對(duì)未進(jìn)行數(shù)字化轉(zhuǎn)型的制造業(yè)企業(yè)，數(shù)字普惠金融對(duì)其融資約束的影響在統(tǒng)計(jì)上不顯著。

2.創(chuàng)新力異質(zhì)性

根據(jù)《高技術(shù)產(chǎn)業(yè)（制造業(yè)）分類（2017）》，將制造業(yè)企業(yè)分為“高技術(shù)”與“非高技術(shù)”兩類，前者創(chuàng)新力強(qiáng)，后者較弱；然后依據(jù)模型2進(jìn)行分組回歸。表3列（3）顯示，對(duì)創(chuàng)新力強(qiáng)的制造業(yè)企業(yè)，數(shù)字普惠金融緩解其融資約束；表3列（4）顯示，對(duì)創(chuàng)新力弱的制造業(yè)企業(yè)，數(shù)字普惠金融對(duì)其融資約束的影響在統(tǒng)計(jì)上不顯著。

3.綠色化異質(zhì)性

借鑒舒利敏等（2022）研究，依據(jù)《上市公司環(huán)保核查行業(yè)分類管理名錄》（環(huán)辦函〔2008〕373號(hào)），界定火電、鋼鐵等16個(gè)行業(yè)為重污染行業(yè)，并據(jù)此篩選制造業(yè)企業(yè)，分為非重污染與重污染兩類；然后依據(jù)模型2進(jìn)行分組回歸。表3列（5）顯示，對(duì)非重污染制造業(yè)企業(yè)，數(shù)字普惠金融緩解其融資約束；表3列（6）顯示，對(duì)重污染制造業(yè)企業(yè)，數(shù)字普惠金融對(duì)其融資約束的影響在統(tǒng)計(jì)上不顯著。

五、機(jī)理分析

為驗(yàn)證“數(shù)字普惠金融→對(duì)銀行技術(shù)溢出→提高銀行信息甄別能力、降低銀行風(fēng)險(xiǎn)管控成本→緩解制造業(yè)企業(yè)融資約束”這一機(jī)理的存在，本文將中國(guó)商業(yè)銀行（已上市）的微觀數(shù)據(jù)，與數(shù)字普惠金融的數(shù)據(jù)進(jìn)行匹配，依據(jù)模型3進(jìn)行回歸。表4列（1）、列（2）是控制了城市固定效應(yīng)、年份固定效應(yīng)的回歸結(jié)果。其中，F(xiàn)TD的系數(shù)均顯著為負(fù)，表明數(shù)字普惠金融能夠顯著降低銀行不良貸款率、管理費(fèi)用，進(jìn)而緩解制造業(yè)企業(yè)的融資約束。H2得以驗(yàn)證。

表4列（3）、列（4）是更換了研究方法，重新控制了城市固定效應(yīng)、銀行個(gè)體固定效應(yīng)、年份固定效應(yīng)的回歸結(jié)果；其中，F(xiàn)TD的系數(shù)亦顯著為負(fù)，與表4列（1）、列（2）的回歸結(jié)果保持一致，H2得到進(jìn)一步驗(yàn)證。

六、研究結(jié)論與政策啟示

（一）研究結(jié)論

本文基于2011—2022年制造業(yè)企業(yè)數(shù)據(jù)及數(shù)字普惠金融指數(shù)，探究數(shù)字普惠金融對(duì)制造業(yè)企業(yè)融資約束的影響及技術(shù)溢出機(jī)理。研究發(fā)現(xiàn)：數(shù)字普惠金融顯著緩解制造業(yè)企業(yè)融資約束，該結(jié)論穩(wěn)??；且對(duì)已經(jīng)進(jìn)行數(shù)字化轉(zhuǎn)型、創(chuàng)新力強(qiáng)、非重污染的制造業(yè)企業(yè)融資約束，該緩解作用更為顯著。從技術(shù)溢出視角闡釋了數(shù)字普惠金融緩解制造業(yè)企業(yè)融資約束的作用機(jī)理，具體作用路徑為：“數(shù)字普惠金融→對(duì)銀行技術(shù)溢出→提高銀行信息甄別能力、降低銀行風(fēng)險(xiǎn)管控成本→緩解制造業(yè)企業(yè)融資約束”。

（二）政策啟示

1.政府應(yīng)支持?jǐn)?shù)字普惠金融規(guī)范發(fā)展。從政策層面給予支持，如設(shè)立專項(xiàng)基金，支持?jǐn)?shù)字普惠金融創(chuàng)新與發(fā)展。同時(shí)，加強(qiáng)對(duì)數(shù)字金融市場(chǎng)的監(jiān)管，防范風(fēng)險(xiǎn)積聚。此外，督促發(fā)展數(shù)字普惠金融業(yè)務(wù)的互聯(lián)網(wǎng)企業(yè)積極探索新的服務(wù)模式，以滿足實(shí)體經(jīng)濟(jì)多樣化的金融需求。

2.制造業(yè)企業(yè)應(yīng)加快數(shù)字化轉(zhuǎn)型、綠色化轉(zhuǎn)型、提升創(chuàng)新力，從而獲取更多的融資資源。如政府可建立先進(jìn)制造業(yè)企業(yè)示范基地，其他制造業(yè)企業(yè)應(yīng)積極學(xué)習(xí)先進(jìn)經(jīng)驗(yàn)，結(jié)合自身實(shí)際情況，制訂可行的轉(zhuǎn)型計(jì)劃。同時(shí)，政府和企業(yè)應(yīng)共同推動(dòng)創(chuàng)新鏈、產(chǎn)業(yè)鏈、資金鏈的深度融合，為制造業(yè)轉(zhuǎn)型升級(jí)提供有力支撐。

3.加強(qiáng)數(shù)字普惠金融發(fā)展較好的互聯(lián)網(wǎng)企業(yè)和銀行等傳統(tǒng)金融主體之間的合作。通過(guò)合作，銀行等傳統(tǒng)金融主體可以快速獲取先進(jìn)的數(shù)字技術(shù)和數(shù)據(jù)資源，而互聯(lián)網(wǎng)企業(yè)則可以借助傳統(tǒng)金融主體的客戶基礎(chǔ)和風(fēng)控能力，實(shí)現(xiàn)業(yè)務(wù)的快速擴(kuò)張。這種合作模式有助于構(gòu)建各方互促共進(jìn)、互利共贏的網(wǎng)狀數(shù)字生態(tài)。

【參考文獻(xiàn)】

［1］ 李潔，張?zhí)祉敚S■.融資約束與中國(guó)制造業(yè)企業(yè)成長(zhǎng)動(dòng)態(tài)［J］.產(chǎn)業(yè)經(jīng)濟(jì)研究，2016（2）：62-73.

［2］ 李真，李茂林，黃正陽(yáng).研發(fā)融資約束、融資結(jié)構(gòu)偏向性與制造業(yè)企業(yè)創(chuàng)新［J］.中國(guó)經(jīng)濟(jì)問(wèn)題，2020（6）：121-134.

［3］ 陳夢(mèng)根，張喬.數(shù)字金融對(duì)企業(yè)融資行為的影響效應(yīng)及作用機(jī)制［J］.改革，2023（9）：34-52.

［4］ 趙紹陽(yáng)，李夢(mèng)雪，佘楷文.數(shù)字金融與中小企業(yè)融資可得性——來(lái)自銀行貸款的微觀證據(jù)［J］.經(jīng)濟(jì)學(xué)動(dòng)態(tài)，2022（8）：98-116.

［5］ 解維敏，吳浩，馮彥杰.數(shù)字金融是否緩解了民營(yíng)企業(yè)融資約束？［J］.系統(tǒng)工程理論與實(shí)踐，2021，41（12）：3129-3146.

［6］ 盛天翔，范從來(lái).金融科技、最優(yōu)銀行業(yè)市場(chǎng)結(jié)構(gòu)與小微企業(yè)信貸供給［J］.金融研究，2020（6）：114-132.

［7］ 項(xiàng)東，田婷婷，李楠.數(shù)字普惠金融、融資約束與中小微企業(yè)技術(shù)創(chuàng)新［J］.會(huì)計(jì)之友，2023（19）：38-48.

［8］ 齊秀輝，付麗爽.高質(zhì)量發(fā)展背景下融資約束對(duì)企業(yè)成長(zhǎng)的影響——基于數(shù)字金融的調(diào)節(jié)作用［J］.會(huì)計(jì)之友，2024（1）：47-56.

［9］ 宋佳，張金昌.數(shù)字金融與制造業(yè)企業(yè)高質(zhì)量發(fā)展的內(nèi)在聯(lián)系及作用機(jī)制［J］.YdKv56f69cWqVUsV25M+jg==企業(yè)經(jīng)濟(jì)，2022，41（7）：127-138.

［10］ FUSTER A，PLOSSER M，SCHNABL P，et al.The role of technology in mortgage lending ［J］.The Review of Financial Studies，2019，32（5）：1854-1899.

［11］ TEMELKOV Z，SAMONIKOV M G.The need for fintech companies as non-bank financing alternatives for SME in developing economies ［J］.International Journal of Information，Business and Management，2018，10（3）：25-33.

［12］ 黃益平，邱晗.大科技信貸：一個(gè)新的信用風(fēng)險(xiǎn)管理框架［J］.管理世界，2021，37（2）：12-21，50.

［13］ NIGAM N，BENETTI C，JOHAN S A.Digital start-up access to venture capital financing：what signals quality？［J］.Emerging Markets Review，2020，

45（12）.

［14］ CHENG M Y，QU Y.Does bank finTech reduce credit risk？ Evidence from China［J］.Pacific-Basin Finance Journal，2020，63（10）：1-24.

［15］ ZHAO J S，LI X H，YU C H，et al.Riding the fintech innovation wave：fintech，patents and bank performance［J］.Journal of International Money and Finance，2022，122.

［16］ 黃益平，黃卓.中國(guó)的數(shù)字金融發(fā)展：現(xiàn)在與未來(lái)［J］.經(jīng)濟(jì)學(xué)（季刊），2018，17（4）：1489-1502.

［17］ 熊健，張曄，董曉林.金融科技對(duì)商業(yè)銀行經(jīng)營(yíng)績(jī)效的影響：擠出效應(yīng)還是技術(shù)溢出效應(yīng)？［J］.經(jīng)濟(jì)評(píng)論，2021（3）：89-104.

［18］ DRASCH B J，SCHWEIZER A，URBACH N.Integrating the “troublemakers”：a taxonomy for cooperation between banks and fintechs［J］.Journal of Economics and Business，2018，100（4）：26-42.

［19］ 彭俞超，馬思超.非銀行金融科技與上市公司借貸成本——競(jìng)爭(zhēng)壓力還是信息溢出？［J］.金融研究，2022（12）：93-111.

［20］ 郭峰，王靖一，王芳，等.測(cè)度中國(guó)數(shù)字普惠金融發(fā)展：指數(shù)編制與空間特征［J］.經(jīng)濟(jì)學(xué)（季刊），2020，19（4）：1401-1418.

［21］ 趙宸宇，王文春，李雪松.數(shù)字化轉(zhuǎn)型如何影響企業(yè)全要素生產(chǎn)率［J］.財(cái)貿(mào)經(jīng)濟(jì)，2021，42（7）：114-129.