數字普惠金融、融資約束與中小企業財務可持續

李賓 龔爽 曾雅婷

摘? ?要：采用北京大學數字金融研究中心編制的數字普惠金融指數與2012—2019年深圳證券交易所中小企業板和創業板上市公司年報數據，基于固定效應模型檢驗了數字普惠金融對中小企業財務可持續的影響。研究發現：地區數字普惠金融發展能夠促進中小企業財務可持續，且企業的融資約束水平在二者之間發揮了中介作用。進一步分析發現：數字普惠金融主要對非國有中小企業、東部地區和數字普惠金融發展較好地區的中小企業的財務可持續產生影響。研究結論為“雙循環”發展背景下金融市場如何更好地服務實體經濟和中小企業提供了理論支持和經驗證據。

關鍵詞：數字普惠金融;財務可持續;中小企業發展;融資約束

中圖分類號：F832? ?文獻標識碼：A? ?文章編號：1003-7543（2022）05-0126-17

普惠金融被認為是解決低收入者和弱勢群體資金獲得的重要方式。習近平總書記在黨的十九大報告和全國金融工作會議上指出，要強化對市場主體的金融支持，發展普惠金融，有效緩解企業特別是中小微企業融資難融資貴問題。2016年G20峰會通過了《G20數字普惠金融高級原則》。數字普惠金融以數字技術推行普惠金融政策，成為有效解決金融服務難題的一個里程碑，同時也給發展中國家提供了“彎道超車”的可能。據中國銀行業協會統計，在2020年新冠肺炎疫情期間，銀行機構線上業務的服務替代率平均水平高達96%，在一定程度上減輕了疫情對小微經營主體的負面沖擊，起到了促進中小企業財務可持續的作用。

在我國經濟由高速發展轉向高質量發展階段后，如何使占我國企業總量90%的中小企業實現財務可持續，為我國企業高質量發展乃至宏觀經濟高質量發展提供有效支撐，成為當前的重要研究議題?；诖?，本文選取我國深圳證券交易所中小企業板和創業板上市公司為研究樣本，構建實證模型考察數字普惠金融發展能否對中小企業的財務可持續產生顯著影響。之后，進一步檢驗了融資約束在數字普惠金融和中小企業財務可持續之間發揮的中介作用。最后，將中小企業按產權性質、所在地區分類，探討了數字普惠金融對不同產權性質、不同地區中小企業財務可持續的影響差異，以及融資約束在上述關系中的中介作用差異。

與已有研究相比，本文的增量貢獻主要包括：第一，將地區數字普惠金融發展水平納入中小企業財務可持續的分析框架，證實了數字普惠金融發展對中小企業財務可持續的影響機理和中介作用，揭示了數字普惠金融發展對中小企業可持續發展的重要意義，豐富了中小企業財務可持續影響因素的研究視角。第二，擴展了數字普惠金融經濟效應的研究，對于通過發展數字普惠金融更好地服務實體經濟、助力中小企業發展提供了理論支持和經驗證據。第三，揭示了企業產權性質不同和所在地區不同導致的數字普惠金融對中小企業融資和財務可持續的異質性影響，以及數字普惠金融發展水平差異導致其通過緩解融資約束來促進中小企業財務可持續的不同效果，為數字普惠金融今后的發展提供了參考。

一、理論分析和研究假說的提出

（一）理論分析與相關文獻綜述

貝多廣提出的“金字塔”理論認為：經濟是一個金字塔形狀，位于塔頂的是數量較少的大型企業，位于塔底的則是大量的中小企業、小微企業和農戶;但與此同時，金融結構是倒金字塔形狀，數量眾多的銀行等傳統金融機構為數量較少的大企業服務，能夠提供的金融服務非常充足，而對于大量的中小企業、小微企業和農戶，能夠提供的金融服務非常有限[1]。金融和經濟結構之間的這種矛盾，降低了金融資源配置效率，阻礙了經濟高質量發展。金融領域的供給側結構性改革，就是為了改變金融倒金字塔的形狀。

普惠金融政策旨在為低收入者和弱勢群體提供更為公平和便捷的金融服務[2]。數字普惠金融通過數字金融服務促進普惠金融，能夠充分利用現代數字信息技術，擴大金融服務范圍，降低金融服務成本，增強金融服務的便利性和滲透性，提升金融服務的效率和水平[3]。從微觀角度來看，數字普惠金融發展能夠使原先位于經濟金字塔底的中小微企業享受到更多、成本更低的金融服務。從宏觀角度來看，數字普惠金融發展能夠緩解金融與經濟結構之間的矛盾，為構建國內國際雙循環相互促進的新發展格局創造有利條件。

財務可持續是指企業在不增加外部權益資金時，銷售所能支持的最大凈利潤增長率[4]。財務可持續有助于提高企業資源配置能力，穩定增加企業現金流[5]，促進企業實現內涵式增長，因而是衡量企業能否持續健康發展的重要標準。中小企業作為企業中的弱勢群體，長期存在融資難、融資貴的問題[6]，財務可持續能力普遍不強，不利于其在“雙循環”發展背景下對穩定就業和促進宏觀經濟增長發揮更大的作用。

關于數字普惠金融對企業發展的影響，已有研究發現數字普惠金融有助于緩解企業融資約束[7-8]和促進企業創新[9-11]。關于企業財務可持續的影響因素，已有研究主要關注企業的盈利能力、營運能力、成長能力等企業內部因素[12]和經濟因素、政治因素、文化教育因素等企業外部因素[13]。但是，鮮有研究關注數字普惠金融對中小企業財務可持續的可能影響。實際上，數字普惠金融不僅具有“普惠”功能，更加關注中小企業[1，8]，而且能夠通過“數字”技術減少金融機構和中小企業之間的信息不對稱，提高中小企業的融資可得性，降低融資成本[2，14]，進而增強中小企業的財務可持續能力。

因此，探索數字普惠金融能否通過改善中小企業的金融服務可得性，進而提高中小企業的財務可持續水平，具有重要的理論價值和現實意義。

（二）數字普惠金融對中小企業財務可持續的影響

數字普惠金融可以通過改善企業的外部金融環境來促進中小企業財務可持續，主要包括降低中小企業財務費用和提升中小企業經濟效益兩個方面。

一方面，數字普惠金融發展有利于降低金融服務成本和市場交易成本，降低中小企業財務費用。根據信息經濟學的觀點，經濟社會中的信息是不完全和不對稱的，因而獲取信息的成本構成了市場交易成本的重要組成部分[15]。由于數字普惠金融利用互聯網、大數據、云計算等數字技術，采取移動通信、網絡方式提供金融服務，可以有效簡化傳統金融交易的步驟，同時利用互聯網征信體系方便快捷的特點，提高金融機構對中小企業的審核效率，降低金融服務成本，改善客服受到的季節、區域等限制，在一定程度上降低地區實體金融環境差異給中小企業帶來的市場交易成本[14]，促使中小企業財務費用的下降，從而促進中小企業的財務可持續。

另一方面，數字普惠金融發展有利于改善金融生態環境，提升中小企業經濟效益。我國不同區域間的資源要素稟賦和經濟發展程度不同，導致各地區之間的金融發展水平差距較大。在金融發展水平較低的地區，資本配置效率較低，傳統金融機構發展不夠充分，不能有效收集、篩選、評估企業相關信息，加大了信貸交易風險，抑制了中小企業發展[16]。而數字普惠金融可以彌補各地區之間金融發展水平的差異，有助于推動利率市場化，使銀行資產端風險承擔偏好上升[17]，從而有利于形成良好的金融生態環境[18]，擴展金融服務的覆蓋范圍，提升相對落后地區的金融業效率，推動當地中小企業的發展[19]，進而提升當地中小企業經濟效益，促進中小企業的財務可持續。

基于以上分析，提出假說1：

H1：數字普惠金融發展會對中小企業財務可持續產生正向影響。

（三）融資約束在數字普惠金融與中小企業財務可持續之間的中介作用

數字普惠金融的發展能夠緩解中小企業面臨的融資約束，進而對中小企業財務可持續產生積極影響。

一方面，數字普惠金融能夠提高中小企業融資可得性，從而緩解中小企業融資約束。正規金融機構出于審慎性、安全性的考慮，會從價格、數量等多方面對中小企業實施信貸配給[20]。因此，中小企業往往受到較強的融資約束[21-23]。數字普惠金融依托互聯網、大數據、云計算等數字技術，能夠有效化解金融機構與中小企業之間的信息不對稱問題，從而在一定程度上控制中小企業的借貸風險，降低中小企業的融資門檻，提高中小企業的融資效率。同時，數字普惠金融相比傳統模式的金融服務功能的包容性更強，能夠通過第三方支付平臺、眾籌平臺等新型融資渠道，有效增加融資數量，提高中小企業的融資可得性。

另一方面，中小企業融資約束緩解能夠改善企業現金流，提高中小企業財務可持續水平。融資約束會影響企業的資金獲取，阻礙中小企業的財務可持續發展[24]。數字普惠金融通過緩解中小企業面臨的融資約束，能夠有效解決中小企業的資金來源問題[25]。長期困擾中小企業發展的資金難題的解決，不僅有助于中小企業更好地開展當前的經營活動，而且有助于中小企業參與回報期更長、收益更多的項目，從而為中小企業穩定獲取經營利潤提供了可能，有助于中小企業實現財務可持續。

基于以上分析，提出假說2：

H2：融資約束在數字普惠金融和中小企業財務可持續之間起到了中介作用，即數字普惠金融能通過降低融資約束推動中小企業財務可持續。

二、研究設計

（一）數據來源與樣本選擇

本文參照《中小企業劃型標準規定（2011）》界定的中小企業標準，選擇2012—2019年深圳證券交易所中小企業板和創業板上市公司作為研究樣本。企業層面數據來自CSMAR數據庫，城市層面數據來自《中國統計年鑒》，其中數字普惠金融數據來源于北京大學數字金融研究中心。參照姚耀軍和董鋼鋒[26]的做法，對原始數據按如下方法進行篩選：剔除金融業上市公司數據;剔除*ST企業的當年數據;剔除樣本期間年份數據缺失的上市公司數據。此外，為了消除極端值影響，對樣本連續變量1%以下和99%以上的數據進行了縮尾（Winsorize）處理。數據處理采用Stata14.0軟件完成。

本文篩選后的最終樣本數據包含了1 104個企業、5 178個觀測值。其中，平衡面板數據有144條，非平衡面板數據有5 034條?？紤]到我國資本市場快速發展的特征，中小企業板和創業板上市公司多為近幾年完成IPO。本文選擇較長的樣本期間，這會導致非平衡面板數據占據樣本數據的主體。

（二）變量選取

1.被解釋變量

已有文獻主要采用可持續增長模型來衡量企業的財務可持續水平，包括會計口徑和現金流口徑兩種?；诂F金流口徑的可持續增長模型關注的是增長與現金流的關系，代表性的模型主要包括拉巴波特的財務可持續模型和科雷的可持續模型[27]。由于基于現金流口徑的可持續增長模型穩定性較差[27]，本文采用基于會計口徑的可持續增長模型來衡量企業財務可持續水平。Higgins首次從企業財務增長的角度將企業內部資源和企業的增長結合起來[28]，建立了會計口徑的可持續增長模型。此后，Van Horne在Higgins模型的基礎上進行完善和修改，構建了可持續增長動態均衡模型[29]，并將可持續增長模型分為“動態”和“靜態”兩種[27，30]。Van Horne的可持續增長模型雖然是動態模型，但模型中相對指標和絕對指標混合使用，且從中也分辨不清哪些指標的變動對企業的增長更具敏感性，不便于對企業的增長作出相關的決策。而Higgins可持續增長模型盡管只是一個靜態模型，但它回答了主要有哪些財務因素影響和制約企業增長的問題。因此，本文使用Higgins模型計算企業的可持續增長率，來測量企業財務可持續水平：

SGR=P×A×T×R（1）

在式（1）中，P為凈利潤與銷售收入的比率，A為銷售收入與總資產的比率，T為總資產與期初所有者權益的比率，R為留存收益率。SGR指數越高，說明企業的財務可持續增長率越高。2012—2019年樣本企業財務可持續水平分年度統計結果如表1所示。2012—2017年，樣本企業財務可持續水平呈上升趨勢。受宏觀經濟形勢和中美貿易摩擦等因素的影響，2018年以后，樣本企業財務可持續水平呈下降趨勢。

2.解釋變量

本文采用北京大學數字金融研究中心編制的普惠金融指數來衡量各地區的數字普惠金融發展水平。該指數由北京大學數字金融研究中心聯合螞蟻金服收集海量數字金融數據，在參考現有文獻關于普惠金融指標建立方式的基礎上編制而成。在該指數體系中，數字普惠金融包括三級共33個指標，第一級指標包含了覆蓋廣度、使用深度和數字化程度三個方面，覆蓋廣度主要是通過賬戶覆蓋率來體現，使用深度主要通過支付業務、貨幣基金業務、信貸業務、保險業務、投資業務和信用業務來體現，數字化程度主要通過移動化、實惠化、信用化和便利化來體現。該指數覆蓋了全國31個省份、337個地級以上城市，為數字普惠金融領域的研究提供了可靠的數據支撐。數字普惠金融的發展水平越高，該指數的值越高。

從表2所示的普惠金融指數統計結果來看，近年來我國的數字普惠金融實現了快速發展，2012年各省份數字普惠金融指數的均值為114.856，到2019年該值增長到356.756。

3.中介變量

融資約束是數字普惠金融發展影響中小企業財務可持續的中介變量。目前度量融資約束的方法主要有兩種：一是單一指標或約束指數，如KZ指數[31]、WW指數[32]、SA指數[33]等;二是量化模型，如投資—現金流模型[34]和現金—現金流模型[35]。KZ指數的理論基礎相對于投資—現金流敏感度指標而言更堅實，但構成KZ指數中代表企業投資機會的托賓q值通常具有非常大的測量誤差，這使得KZ指數在度量融資約束時精確度大打折扣[2，32]。依靠企業規模與成立年限計算出的SA指數包含的影響企業融資的因素沒有WW指數全面[36]，難以有效衡量企業融資約束。WW指數相對KZ指數而言，除考慮企業自身的財務特征之外，還考慮到了企業所處的外部行業特征，這使其具有更廣泛的經濟意義，且該指標的計算剔除了托賓q值，提高了精確度[37]。因此，本文與石璋銘和謝存旭[38]等文獻一致，采用WW指數測量中小企業的融資約束水平。測算模型如下：

WWit=b1TLTDit+b2DIVPOSit+b3LNTAit+b4 SGit+b5ISGit+b6CFit（2）

（2）式中，TLTDit是長期負債與總資產之比，DIVPOSit是分紅時取值為 1 的虛擬變量，LNTAit是總資產的自然對數，SGit是企業的銷售增長率，ISGit是企業所處行業的銷售增長率，CFit是現金流與總資產比值。系數向量b由 White &; Wu[32]給出。WW指數越大，企業融資約束程度越高。2012—2019年樣本企業WW指數統計結果如表3（下頁）所示。

4.控制變量

本文從企業和地區兩個層面選擇了控制變量。在企業層面，本文借鑒了萬佳彧等[10]、郝曉雁[22]、蘇衛東和王娜[39]的做法，控制了股利分配率（DDR）、兩權分離率（SPER）、前十大股東持股比率（H10）、董事長與總經理兼任情況（DUAL）、獨立董事比例（INDR）、高管持股比例（MHR）、利息保障倍數（ICR）、總資產報酬率（ROA）。中小企業固定資產少，抵押擔保品不足，可能會面臨更嚴重的融資約束，因而本文控制了固定資產（FA）變量。在地區層面，本文借鑒了萬佳彧等[10]、梁榜和張建華[11]的做法，控制了經濟發展水平（PGDP）、產業結構（IS）、財政自主權（FIN）。此外，本文研究設計中還分別設置了年度、地區和行業啞變量以控制年度固定效應、地區固定效應和行業固定效應。具體變量名稱及度量方法如表4所示。

（三）模型設定

基于本文的理論分析與待檢驗假說，本文參考溫忠麟和葉寶娟[40]提出的中介效應檢驗程序，構建如下回歸模型：

SGRijt=α0+α1DIFIijt+α2PGDPijt+α3ISijt+α4FINijt+α5ROAijt+α6FAijt+α7DDRijt+α8H10ijt+α9SPERijt+α10DUALijt+α11INDRijt+α12MHRijt+α13ICRijt+εijt（3）

WWijt=β0+β1DIFIijt+β2PGDPijt+β3ISijt+β4FINijt+β5ROAijt+β6FAijt+β7DDRijt+β8H10ijt+β9SPERijt+β10DUALijt+β11INDRijt+β12MHRijt+β13ICRijt+θijt（4）

SGRijt=γ0+γ1DIFIijt+γ2WWijt+γ3PGDPijt+γ4ISijt+γ5FINijt+γ6ROAijt+γ7FAijt+γ8DDRijt+γ9H10ijt+γ10SPERijt+γ11DUALijt+γ12INDRijt+γ13MHRijt+γ14ICRijt+δijt（5）

在上述模型中，變量的下標i、j、t分別表示地區、行業和年份。模型（3）用于檢驗數字普惠金融對中小企業財務可持續的總效應，系數α1測度了總效應的大小。模型（4）中的系數β1體現了數字普惠金融發展對中小企業融資約束的影響。模型（5）中的系數γ1體現了數字普惠金融對中小企業財務可持續的直接效應，模型（5）中的系數γ2與模型（4）中的系數β1的乘積β1×γ2體現了融資約束的中介效應，即數字普惠金融通過緩解中小企業融資約束促進企業財務可持續的效應。若α1顯著為正，說明H1成立。若回歸系數γ2顯著為負，β1顯著為正，則H2成立。

（四）描述性統計

表5列示了各變量的描述性統計結果。其中可持續增長率（SGR）的均值為0.400，標準差為0.453，說明不同中小企業的財務可持續能力差異較大。融資約束（WW）的均值是-0.096，最大值是-0.006，最小值是-0.114，說明幾乎所有中小企業都存在不同程度的融資約束問題。數字普惠金融指數（DIFI）的均值為0.254，標準差為0.077。

三、實證結果分析

（一）基本模型回歸

本文首先對是選擇混合回歸模型還是固定效應模型進行了檢驗，個體效應與解釋變量的相關系數明顯不等于0且F test 顯著，說明固定效應模型明顯優于混合回歸模型。接著對是選擇固定效應模型還是隨機效應模型進行檢驗，Hausman 檢驗結果在1%顯著性水平下拒絕隨機效應模型的原假設，因而本文采用固定效應模型進行回歸，估計數字普惠金融對中小企業財務可持續的影響。為了減少樣本選擇偏差和融資約束與財務可持續變量之間的內生性對計量結果的影響，本文采用Rosenbaum & Rubin[41]提出的傾向得分匹配方法（PSM），基于融資約束對中小企業進行分組匹配后，再進行模型回歸。匹配中采用“最近鄰匹配法”。

表6（下頁）顯示了處理組的平均效應（ATT），融資約束越緊的中小企業，財務可持續程度越低，說明融資約束會抑制中小企業的財務可持續。為確保匹配結果的可靠性，本文還進行了匹配平衡性檢驗，表7報告了處理組與對照組企業匹配變量的平衡性檢驗結果。標準偏差的絕對值越小，則表明匹配效果越好[42]。根據Rosenbaum & Rubin[42]的觀點，如果匹配后的標準偏差的絕對值小于20%，就可認為匹配效果較好，以此為基礎的傾向得分匹配估計是有效的。由表7可知，在匹配后各匹配變量的標準偏差的絕對值均小于20%?？傮w而言，匹配滿足了平衡性假設，即本文對匹配變量和匹配方法的選取是恰當的。

在5 178個觀測值中，控制組共有4個觀測值不在共同取值范圍中，處理組共有4個觀測值不在共同取值范圍中，其余5 170個觀測值均在共同取值范圍中，故在進行傾向得分匹配時僅會損失少量樣本。本文在剔除不處于共同取值范圍內的8個觀測值后，再次對中介效應模型進行回歸，回歸結果如表8所示。

模型（3）的回歸結果報告了數字普惠金融對中小企業財務可持續的總效應。數字普惠金融指數（DIFI）回歸系數為0.851，且在5%水平上顯著，說明數字普惠金融發展水平每增加1單位，中小企業的財務可持續增長率就會增加0.851個單位，地區數字普惠金融的發展對中小企業財務可持續存在顯著的正向影響，H1得到了樣本數據的支持。

模型（4）的回歸結果顯示，數字普惠金融指數（DIFI）的回歸系數為-0.146，在10%的顯著性水平上為負，說明數字普惠金融指數的發展能顯著緩解中小企業的融資約束問題。模型（5）的回歸結果顯示，融資約束（WW）的估計系數為-0.505，在1%的顯著性水平上為負，接著本文對中介效應進行采用1 000次抽樣的bootstrap檢驗，構造95%的偏差矯正區間，結果如表9（下頁）所示，直接效應和間接效應的置信區間都不包括0，表明融資約束在數字普惠金融指數影響中小企業的財務可持續的機制中發揮了顯著的中介作用。同時，由于模型（5）的回歸結果中數字普惠金融指數（DIFI）的估計系數為0.778，依然在5%的顯著性水平上為正，因而融資約束發揮了部分中介作用而非完全中介作用，H2得到了樣本數據的支持。

（二）穩健性檢驗

測度企業可持續增長率的方法有多種。為確?？沙掷m增長率測度方法的選擇不影響研究結論，本文替換可持續增長率的測度方法后，采用固定效應模型重新對上文模型進行回歸。

除Higgins、Van Horne等人提出的體現股東權益增長率的財務可持續指標外，基于營業收入構建的企業可持續增長率也可以作為企業財務可持續增長率的代理變量[43]。這里采用基于營業收入的企業可持續增長率作為財務可持續增長率的代理變量重新進行回歸?？沙掷m增長率的計算方法如下：

SGR*=凈資產收益率×收益留存率/（1-凈資產收益率×收益留存率）（6）

新的回歸結果如表10（下頁）所示。模型（3）中的數字普惠金融指數（DIFI）的系數為正，且在1%的水平上顯著;模型（4）中的數字普惠金融指數（DIFI）的系數為負，且在10%的統計水平上顯著;模型（5）中融資約束（WW）的系數為負，且在1%的統計水平上顯著。本文對中介效應進行采用1 000次抽樣的bootstrap檢驗，構造95%的偏差矯正區間，結果如表11（下頁）所示，直接效應和間接效應的置信區間都不包括0，這說明，采用基于營業收入的企業可持續增長率作為企業財務可持續水平的代理變量后，上文研究結論依然成立。

為解決非平衡面板數據可能存在的異方差問題，本文使用加權最小二乘法對基本模型的回歸結果進行檢驗，結果如表12所示。模型（3）中的數字普惠金融指數（DIFI）的系數為正，且在1%的水平上顯著;模型（4）中的數字普惠金融指數（DIFI）的系數為負，且在1%的統計水平上顯著;模型（5）中融資約束（WW）的系數為負，且在1%的統計水平上顯著。這說明，修正非平衡面板數據導致的異方差性后，基本模型的回歸結果依然成立，前文的結論比較穩健。

四、進一步的分析

前文的實證結果表明，數字普惠金融發展能夠顯著促進中小企業的財務可持續。那么，在具有不同產權性質的上市公司之間以及不同地區的上市公司之間，數字普惠金融對中小企業財務可持續的作用是否存在異質性呢？

（一）不同所有權性質之間的異質性分析

已有研究表明，產權性質差異會對企業的資金獲得難易度產生重要影響。與國有企業相比，非國有企業的財務信息較不透明，財務報表可信度相對不高，傳統金融機構缺乏與非國有企業的業務往來，獲得的非國有企業的軟信息相對較少，傳統金融機構更傾向于與國有企業保持長期密切的聯系，因而不同產權性質的企業存在一定程度上的不公平競爭[44]。非國有企業的融資更容易受到銀行的“信貸歧視”。國有中小企業長期以來受到國有銀行或各級政府的資金和政策支持，非國有中小企業受到的融資約束程度更強[45-46]。在數字普惠金融模式下，信息處理、風險評估和便捷支付可以通過網絡化方式進行，金融機構通過大數據、云平臺對企業的財務狀況、資信水平有更深的了解，有利于更有效地降低非國有企業與金融機構之間的信息不對稱程度，進而更有助于緩解其融資約束。在傳統的資金融通過程中，國有企業在一定程度上將政府關系作為其信用的一種替代性融資機制，但對于數字普惠金融而言，其普惠性的特征彌補了非國有中小企業在此方面的不足，因而數字普惠金融主要對非國有中小企業的財務可持續產生影響?；谝陨戏治?，本文對中小企業按產權性質進行分組，分為國有中小企業組與非國有中小企業組，且分別按照前文的中介檢驗模型對組內效應進行檢驗，回歸結果如表13（下頁）所示。

從國有中小企業組來看，模型（3）的回歸結果中數字普惠金融指數（DIFI）的系數為負但不顯著，模型（4）中的數字普惠金融指數（DIFI）和模型（5）中的融資約束（WW）的系數為負但不顯著，說明數字普惠金融未對國有中小企業的財務可持續產生顯著影響，且融資約束在其中也未起到顯著的中介作用。而從非國有中小企業組來看，模型（3）中數字普惠金融指數（DIFI）的系數為正且在1%的水平上顯著，模型（5）中數字普惠金融指數（DIFI）的系數為正且在5%的水平上顯著，模型（5）中的融資約束（WW）的系數為負，且在1%的統計水平上顯著。接著，本文對非國有企業組的中介效應進行采用1 000次抽樣的bootstrap檢驗，構造95%的偏差矯正區間，結果如表14所示，直接效應和間接效應的置信區間都不包括0，說明非國有企業組的中介效應是顯著的。通過表13國有中小企業組和非國有中小企業組的回歸結果對比和表14可以看出，數字普惠金融發展主要對非國有中小企業財務可持續產生了促進作用，且融資約束的中介作用主要在非國有中小企業中有顯著體現。

（二）不同地區之間的異質性分析

數字普惠金融的發展和推廣彌補了傳統金融的不足，能夠解決中小企業等特殊群體的融資難題。但是，數字普惠金融發展產生的影響在不同地區之間可能會有所差異。為此，本文從兩個方面來考察數字普惠金融對中小企業財務可持續影響的地區差異：第一，將全部樣本劃分為東部、中部、東北和西部四個地區，并基于不同子樣本進行實證檢驗;第二，將全部樣本按數字普惠金融發展水平分類，高于數字普惠金融指數均值的為數字普惠金融發展較好地區組，反之則為數字普惠金融發展較差地區組，并基于不同子樣本進行實證檢驗?；貧w結果如表15、表16（下頁）、表17（下頁）所示。

從表15的東部地區組來看，模型（3）的回歸結果中數字普惠金融指數（DIFI）的系數為正且在1%的統計水平上顯著，模型（5）中的融資約束（WW）的系數為負且在1%的統計水平上顯著。這說明，在東部地區，數字普惠金融對中小企業的財務可持續產生了顯著的影響。而在中部地區、東北地區和西部地區，上述關系并未得到樣本數據的支持。綜上，考慮到我國仍處于數字普惠金融發展的初期階段，只有在經濟發達的地區，數字普惠金融發展對于中小企業財務可持續的促進作用效果才會顯著體現。

從表17的數字普惠金融發展較好地區組來看，模型（3）的回歸結果中數字普惠金融指數（DIFI）的系數為正且在1%的統計水平上顯著，模型（4）中數字普惠金融指數（DIFI）的系數為負且在10%的統計水平上顯著，模型（5）中的融資約束（WW）的系數為負且在1%的統計水平上顯著。這說明，在數字普惠金融發展較好地區，數字普惠金融對中小企業的財務可持續產生顯著影響，且融資約束在其中起到了顯著的中介作用。從數字普惠金融發展較差地區組來看，模型（3）的回歸結果中數字普惠金融指數（DIFI）的系數均為正但不顯著，模型（4）中數字普惠金融指數（DIFI）的系數為負且在5%的水平上顯著，模型（5）中的融資約束（WW）的系數為負且在1%的水平上顯著，但數字普惠金融指數（DIFI）的系數為正且不顯著，說明在數字普惠金融發展較差地區，數字普惠金融未對中小企業的財務可持續產生顯著影響。綜上，數字普惠金融主要對數字普惠金融發展較好地區的中小企業經營產生積極影響。

五、研究結論與政策啟示

本文采用2012—2019年我國深圳證券交易所中小企業板和創業板上市公司樣本數據，實證檢驗了數字普惠金融發展對中小企業財務可持續的影響，并進一步探究了作用機制和影響路徑。實證研究結果表明：第一，數字普惠金融發展對中小企業財務可持續起到了顯著正向作用;第二，融資約束在數字普惠金融促進中小企業財務可持續的過程中發揮了中介效應;第三，數字普惠金融的發展主要對非國有中小企業、東部地區和數字普惠金融發展較好的地區的中小企業財務可持續發揮作用。這一研究結論證實了數字普惠金融發展通過緩解融資約束來促進中小企業實現財務可持續的影響機制，并進一步揭示出這一影響機制在產權性質和所在地區不同的中小企業之間的異質性，對于全面和深入認識數字普惠金融發展的作用具有重要價值。

在構建以國內大循環為主體、國內國際雙循環相互促進的新發展格局的背景下，本文的研究結論具有如下政策啟示：

第一，進一步完善數字經濟發展政策，加強數字金融基礎設施建設，推動各地尤其是中西部地區、東北地區和數字普惠金融發展較差地區的數字普惠金融發展，激活中小企業經濟發展潛能，通過提升中小企業的財務可持續水平來推動實體經濟高質量發展，并以此為抓手解決常態化疫情防控階段的經濟社會發展和鞏固壯大實體經濟根基、全面塑造發展新優勢等重大現實問題。

第二，通過選擇性施策，指導中小企業進行企業數字化轉型和適應性演變，推進數字經濟與實體經濟深度融合，充分發揮數字普惠金融發展對非國有中小企業的財務可持續水平的提升作用，通過優化制度環境和金融資源配置來增強數字普惠金融發展對中西部中小企業財務可持續水平的積極影響。

第三，各類金融機構應加快數字化轉型的步伐，大力發展數字普惠金融，擴大金融服務的覆蓋廣度和深度，提供更全面、安全、便捷的金融服務，通過促進中小企業的財務可持續來實現金融機構與企業發展的良性互動。

第四，中小企業應主動融入“雙循環”新發展格局，主動適應新時代的數字化變革，充分認識到數字普惠金融為自身帶來的發展機遇，積極提高自身的信息化水平，通過增加與數字金融系統的對接來提高自身的信貸資金可得性，降低融資成本，為自身實現財務可持續創造有利條件，并將自身的高質量發展水平提升到新的高度。

參考文獻

[1]貝多廣.金融發展的次序——從宏觀金融、資本市場到普惠金融[M].北京：中國金融出版社，2017.

[2]郭峰，王靖一，王芳，等.測度中國數字普惠金融發展：指數編制與空間特征[J].經濟學（季刊），2020（4）：1401-1418.

[3]李海峰，彭家生，何微.數字金融服務對普惠金融發展的影響研究：理論基礎與經驗證據[J].西南民族大學學報（人文社科版），2019（6）：139-145.

[4]郭澤光，郭冰.企業增長財務問題探討——股票發行、企業負債與企業增長的關聯分析[J].會計研究，2002（7）：11-15.

[5]肖海林，王方華.企業增長、企業發展與企業可持續發展[J].中南財經政法大學學報，2004（4）：46-50.

[6]周應堂，李中華，韓美貴.中小企業可持續發展戰略初探[J].生產力研究，2005（10）：234-236.

[7]廖婧琳，胡妍，項后軍.數字普惠金融發展緩解了企業融資約束嗎？——基于企業社會責任的調節效應[J].云南財經大學學報，2020（9）：73-87.

[8]梁榜，張建華.中國普惠金融創新能否緩解中小企業的融資約束[J].中國科技論壇，2018（11）：94-105.

[9]喻平，豆俊霞.數字普惠金融、企業異質性與中小微企業創新[J].當代經濟管理，2020（9）：1-14.

[10]萬佳彧，周勤，肖義.數字金融、融資約束與企業創新[J].經濟評論，2020（1）：71-83.

[11]梁榜，張建華.數字普惠金融發展能激勵創新嗎？——來自中國城市和中小企業的證據[J].當代經濟科學，2019（5）：74-86.

[12]曹玉珊.基于可持續增長模型的企業財務戰略選擇程序差異分析——來自中國上市公司的證據[J].江西財經大學學報，2009（6）：20-24.

[13]高菁，潘婷，章麗群.中國醫藥制造業上市公司財務可持續增長及影響因素研究[J].上海對外經貿大學學報，2018（2）：30-39.

[14]包鈞，謝霏，許霞紅.中國普惠金融發展與企業融資約束[J] .上海金融，2018（7）：34-39.

[15]王洪生.金融環境、融資能力與中小型科技企業成長[J].當代經濟研究，2014（3）：86-91.

[16]戴偉，張雪芳.金融發展、金融市場化與實體經濟資本配置效率[J].審計與經濟研究，2017（1）：117-127.

[17]邱晗，黃益平，紀洋.金融科技對傳統銀行行為的影響——基于互聯網理財的視角[J].金融研究，2018（11）：17-30.

[18]魏志華，曾愛民，李博.金融生態環境與企業融資約束——基于中國上市公司的實證研究[J].會計研究，2014（5）：73-80.

[19]曲玥，蔡昉，張曉波.“飛雁模式”發生了嗎？——對1998—2008年中國制造業的分析[J].經濟學（季刊），2013（3）：757-776.

[20]STIGLITZ J E， WEISS A. Credit rationing in markets with imperfect information[J]. American Economic Review， 1981， 71（3）： 393-410.

[21]林毅夫，孫希芳，姜燁.經濟發展中的最優金融結構理論初探[J].經濟研究，2009（8）：4-17.

[22]郝曉雁.融資約束對企業可持續增長的影響研究[J].學術論壇，2013（11）：70-73.

[23]梁艷，賀曉曉.融資約束、研發投資與制造業效益的可持續增長[J].改革，2013（10）：54-60.

[24]鞠曉生，盧荻，虞義華.融資約束、營運資本管理與企業創新可持續性[J].經濟研究，2013（1）：4-16.

[25]何寧.普惠金融發展對我國中小企業融資價格的影響[J].重慶社會科學，2018（10）：82-92.

[26]姚耀軍，董鋼鋒.中小企業融資約束緩解：金融發展水平重要抑或金融結構重要？——來自中小企業板上市公司的經驗證據[J].金融研究，2015（4）：148-161.

[27]邱英.可持續增長模型的比較與借鑒[J].科學經濟社會，2007（2）：74-77.

[28]HIGGINS R C. Sustainable growth under inflation[J]. Financial Management， 1981， 10（4）： 36-40.

[29]VAN HORNE J C. Sustainable growth modeling[J]. Journal of Corporate Finance， l988， Winter： 19-25.

[30]陳建.財務可持續增長模型的相關理論探析——兼與樊行健教授商榷[J].財政研究，2008（10）：40-43.

[31]KAPLAN S， ZINGALES L. Do investment-cash flow sensitivities provide useful measures of financing constraints？ [J]. Quarterly Journal of Economics， 1997，112（1）： 169-215.

[32]WHITE T M， WU G. Financial constraints risk[J]. Review of Financial Studies， 2006， 19： 531-559.

[33]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.

[34]FAZZARI S M， HUBBARD R G， PETERSEN B C. Financing constraints and corporate investment[J]. Brookings Papers on Economic Activity， 1988（1）： 141-206.

[35]ALMEIDA H， WEISBACH M S， CAMPELLO M. The cash flow sensitivity of cash[J]. The Journal of Finance， 2004（4）： 1777-1804.

[36]苗苗，蘇遠東，朱曦，等.環境規制對企業技術創新的影響——基于融資約束的中介效應檢驗[J] .軟科學，2019（12）：100-107.

[37]危平，毛曉丹.高管網絡能否緩解企業跨國并購面臨的融資約束——來自中國的經驗證據[J].國際貿易問題，2017（6）：83-93.

[38]石璋銘，謝存旭.銀行競爭、融資約束與戰略性新興產業技術創新[J].宏觀經濟研究，2015（8）：117-126.

[39]蘇衛東，王娜.上市公司實際控制人與財務可持續增長[J].山東大學學報（哲學社會科學版），2016（3）：140-149.

[40]溫忠麟，葉寶娟.中介效應分析：方法和模型發展[J].心理科學進展，2014（5）：731-745.

[41]ROSENBAUM P R， RUBIN D. Constructing a control group using multivariate matched sampling methods that incorporate the propensity score[J]. The American Statistician， 1985， 39（1）： 33-38.

[42]SMITH J A， TODD P E. Does matching overcome Lalonde's critique of nonexperimental estimators？[J]. Journal of Econometrics， 2005， 125（1-2）： 305-353.

[43]楊旭東，彭晨宸，姚愛琳.管理層能力、內部控制與企業可持續發展[J].審計研究，2018（3）：121-128.

[44]車嘉麗，薛瑞.產業政策激勵影響了企業融資約束嗎？[J].南方經濟，2017（6）：92-114.

[45]沈紅波，寇宏，張川.金融發展、融資約束與企業投資的實證研究[J].中國工業經濟，2010（6）：55-64.

[46]林毅夫，李永軍.中小金融機構發展與中小企業融資[J].經濟研究，2001（1）：10-18.

Digital Financial Inclusion， Financial Constraints and Financial Sustainability of SMEs

LI Bin? GONG Shuang? ZENG Ya-ting

Abstract： Based on the provincial data of 2012-2019 Digital Financial Inclusion Index compiled by the Digital Finance Research Center of Peking University and the annual report data of listed companies on Shenzhen SME Board and Growth Enterprise Board， this paper tests the impact of digital financial inclusion on the financial sustainability of SMEs based on the fixed effect model. The results show that the development of regional digital financial inclusion can promote the financial sustainability of SMEs， and the financing constraint level of enterprises plays an intermediary role. Further analysis shows that： digital financial inclusion mainly affects the financial sustainability of non-state-owned SMEs and SMEs in the region with better development of digital financial inclusion and eastern China. The research conclusion provides theoretical support and empirical evidence for how financial market can better serve the real economy and SMEs under the background of double-cycle development.

Key words： small and medium-sized enterprises; financial sustainability; digital financial inclusion; financing constraints

基金項目：國家社會科學基金重大項目“鄉村振興背景下數字鄉村發展的理論、實踐與政策研究”（20&ZD164）;北京市社會科學基金項目“疫情背景下數字經濟賦能京津冀企業高質量發展的作用機理與政策優化研究”（20JJB009）。

作者簡介：李賓，北京化工大學經濟管理學院教授、博士生導師;龔爽，北京化工大學經濟管理學院研究生;曾雅婷（通信作者），北京化工大學經濟管理學院副教授。