数字普惠金融发展对企业债务融资成本的驱动效应研究

黄 冲

一、引言

党的十九届五中全会系统部署并明确要求完善现代金融监管体系，助推经济社会迈向高质量发展阶段。目前，我国企业融资问题逐渐显性化，企业债务融资成本与企业经营决策的可操作性和有效性密切相关，如何降低企业融资成本一直是热门的学术研究问题，更是中央和各级地方政府长期关注的现实问题。

随着互联网、云计算等数字化技术与金融行业合作加深，科技型金融工具层出不穷。数字普惠金融的出现，使得企业能以更加便利化的方式获得融资，让企业获得充足的资金以实现长足发展。因此，数字普惠金融发展对于有效驱动我国企业债务融资成本降低具有重要的实践意义。本文以“数字普惠金融-企业债务融资成本”为研究范式，基于计量经济学，构建虚拟变量的面板回归模型，实证探究数字普惠金融对企业债务融资成本的影响，丰富现有研究理论，为企业债务融资管理提供科学参考，为激发实体经济活力做出贡献。

二、理论分析与研究假设

宏观环境可以影响企业债务融资成本，具体又包含产业政策、货币政策、法律环境、行业特点等；影响企业债务融资成本的微观因素主要有社会责任、产权性质和会计信息质量等。从理论上讲，数字普惠金融简化了传统金融机构的业务流程，信贷服务定价逐渐趋向透明、合理，削弱企业债务契约履行过程中产生逆向选择与道德风险的影响。数字化技术的应用和内部控制的加强，企业内部的代理冲突逐步降低，有效提高了企业经营效率。从现实情况看，当前我国金融体系尚存在融资模式单一、融资渠道受限、资金错配现象频频出现等问题，低下的金融系统效率不仅会加剧资源错配，企业债务融资成本随着金融系统本身融资成本的提升也会有所加重。

成本可控是数字普惠金融发展的前提，随着各类数字化技术不断出现，为数字普惠金融发展提供了有效的技术支撑，数字普惠金融具备可持续的模式，同时以成本可负担以及负责任的方式，为社会各阶层尤其是现有金融体系覆盖不足的特殊群体以及中小微企业提供平等、有效、全面、方便、持续的金融产品和服务。对于企业融资来说，数字普惠金融通过数字化手段降低了融资成本，这其中又包含了时间成本和资金成本，同时增加了金融服务的普惠性。当数字普惠金融发展逐渐成熟，数字化平台趋于正规化，与传统民间借贷的竞争越来越激烈，将对传统金融体系产生一定程度的“挤出效应”。随着数字普惠金融和传统民间借贷的竞争力度逐渐加大，企业债务融资效率将不断提高。数字普惠金融依托数字化工具，实现对金融服务提供者的专业化分工，满足企业线上办理借贷业务的需求，并在一定程度上缓解了银企间的信息不对称，技术溢出的驱动效应会直接影响银行业的竞争程度，带来一定程度的“鲶鱼效应”，减轻“鞋底成本”；此外，数字普惠金融得益于先进的信息技术和智能大数据网络完成相关流程，极大地缩减了企业债务融资的时间成本。数字普惠金融促进金融资源向中小微企业、农民等特殊群体倾斜，缓解信贷约束，促进实体经济高质量发展。

随着数字化发展进程加快，融资工具呈现多样化趋势，包括银行在内的各类金融机构推出的金融服务呈现出高效率和低成本等特征。因此，企业能够以相对公平的成本范围获得资金融通，实现融资成本的降低。数字普惠金融的发展可以使供给缺口得到有效弥补，合理化、科学化配置金融资源，释放信贷配给压力，为企业降低债务融资成本提供新途径。首先，网络借贷使资金需求方与供给方的匹配程度更加贴合，较好地解决了由于地理差异而导致的信息不对称问题；其次，以“余额宝”为代表的互联网金融迅速发展，极大地改变了信贷服务的传统模式，使得企业的投融资渠道有效拓宽。基于上述分析，数字金融在网络信贷、互联网金融、移动征信等领域的创新发展，有效地提高了金融服务的渗透性，帮助企业拓宽融资渠道，助推企业债务融资成本降低。

综上，本文提出如下假设：

假设1：数字普惠金融发展与企业债务融资成本存在负相关关系

假设2：数字普惠金融发展对企业债务融资成本降低存在区域异质性

假设3：数字普惠金融发展对企业债务融资成本降低存在行业异质性

三、研究设计

（一）样本选择与数据来源

本文初始研究样本选取了2011-2018年沪深A股上市公司的相关面板数据。首先，对原始数据样本进行清洗整理：（1）剔除保险类、金融类上市公司；（2）剔除财务状况异常的ST和*ST类上市公司；（3）遵循“五年连贯”原则，剔除样本数据严重缺失或者不连续的上市公司。本文最终选取662家企业、5 296个样本组展开实证分析。为消除极端异常值的影响，降低财务数据错误统计的可能性，使实证分析结果更加可信，本文首先利用Stata16.0软件，通过Winsorize对5 296个样本数据分别进行缩尾处理，以1%分位和99%分位为标准。

本文通过北京大学数字金融研究中心获取数字普惠金融指数（2011-2018）；通过东方财富网与国泰安（CSMAR）经济金融研究数据库获取其他相关企业财务数据。本文数据处理和实证分析主要通过Excel软件和Stata16.0软件实现。

（二）变量定义

1.被解释变量指标。本文选取企业债务融资成本（Debt_cost）指标作为被解释变量。参考已有文献，本文中企业债务融资成本（Debt_cost）采用上市公司年报中披露的本年利息支出与公司年均总负债的比值进行衡量。

2.核心解释变量指标。本文选取北京大学数字普惠金融指数（DIFI）（2011-2018）作为核心解释变量的代理指标，该变量用来测度我国数字普惠金融发展水平。为了消除量纲，本文对数字普惠金融指数除以100，调整为以1为基准的指标变量。

3.控制变量指标集。虽然本文的研究对象是数字普惠金融和企业债务融资成本，但是企业融资的内在因素和财务指标会对被解释变量产生一定程度的影响。考虑数据获得性，本文构建了与企业债务融资成本相关的控制变量集，具体包括以下控制变量指标：企业规模（Asset），企业债务融资规模（Debt），固定资产比率（Fix），企业现金流动性（Cfo），资产收益率（Roa），企业发展潜力（Growth），资产负债率（Lev），托宾Q值（Q）。

（三）模型构建

为了研究数字普惠金融发展对于企业债务融资成本的驱动效应，被解释变量选取企业债务融资成本（Debt_cost），选取数字普惠金融指数（DIFI）和其他控制变量作为自变量，结合本文的三个研究假设，经过Hausman检验，分别构建面板固定效应模型。

针对假设1，构建具有动态驱动的面板固定效应模型：

针对假设2和假设3，构建带有虚拟变量的面板固定效应模型：

四、实证分析

（一）描述性统计

根据变量的基础统计分析结果可知，企业债务融资成本（Debt_cost）和企业债务融资规模（Debt）的最大值与最小值的差异倍数较高，原因在于不同企业的产权性质、治理结构、管理决策、会计稳健性、会计信息质量、社会责任等方面存在较大差异，从而企业作为债务人获得融通资金的难度、应付报酬以及规模各有不同；数字普惠金融指数（DIFI）的标准差最大，且平均值和中位数均高于2，而最小值仅为0.1622，说明数字普惠金融发展在时间和空间两个维度都存在较大差异，原因在于数字普惠金融处于发展起步阶段，金融组织体系在深度和广度上仍然不足，区域间的金融服务能力、服务水平以及相关体制机制的完善度和协同性仍有差别。

（二）驱动效应分析

1.基准回归分析。本文通过递进方式对“数字普惠金融-企业债务融资成本”进行固定效应面板回归。实证结果表明（见表1），在显著性水平为5%时，两个面板回归模型的F检验统计量均通过显著性检验，验证了原模型的假定，整体回归显著；控制变量集的显著性均通过检验，由于篇幅限制，表1中不再一一陈列。本文利用模型（1）验证假设1；第一，通过控制时间固定效应和企业固定效应，仅仅以核心解释变量DIFI作为自变量，回归结果如表1的（1）所示，回归系数为-0.000135，t检验统计值为-6.83；第二，将控制变量集纳入面板回归模型，与DIFI共同作为自变量，回归结果如表1的（2）所示，回归系数为-0.000057，t检验统计值为-2.35。因此，数字普惠金融指数表现为明显显著，且增加控制变量指标集后，DIFI的回归系数的变化较小，说明该回归模型具有稳健性且验证了假设1。回归结果表明，数字普惠金融发展越好，越有利于融资企业降低债务融资成本。

对于控制变量集，企业规模（Asset）与企业债务融资成本（Debt_cost）之间呈现显著的负相关关系，企业规模越大，经营能力越强，偿债风险越小，信用评估等级就越高，企业在进行资金融通时只需要付出相对较低的成本，企业债务融资成本低；企业现金流动性（Cfo）与企业债务融资成本（Debt_cost）之间存在负相关关系，当企业具备充足的资金时，表明企业的偿债能力强，金融机构进行债务发放时，更倾向于该类企业；资产负债率（Lev）与企业债务融资成本（Debt_cost）之间呈现显著的正相关关系，资产结构中负债比例较高的企业，企业在偿还债务时压力越大，带来较大的偿债风险和财务风险，从而企业债务融资成本越高。

综上所述，数字普惠金融发展具有明显降低企业债务融资成本的驱动作用。从宏观层面讲，数字普惠金融正在加速助力传统金融系统创新升级，以数字化技术呈现多样化的金融服务和金融工具，更好地以数字化金融为工具助推实体经济高质量发展，驱动企业融资成本降低；从微观层面讲，数字普惠金融有效缓解信息不对称而产生的矛盾与问题，快速高效实现供需匹配，在企业自身综合实力提升的同时，以数字普惠金融作为重要驱动力，进一步推动企业融资成本降低。

表1 基准回归!数字普惠金融与企业债务融资成本

2.动态回归分析。由于数字普惠金融尚处于新兴发展阶段，驱动效应的传递可能会存在时滞性。本文在基准回归模型（1）的基础上，构建以滞后1期的数字普惠金融指数（DIFI）和滞后2期的数字普惠金融指数（DIFI）作为新自变量的模型，进一步验证数字普惠金融对企业债务融资成本的动态驱动效应。由表2可知，在5%的显著性水平下，滞后1期和滞后2期的数字普惠金融指数（DIFI）均为负值，说明数字普惠金融发展对于降低企业债务融资成本的驱动效应具有长期性和动态性，并且随着数字金融的深度和广度进一步加大，惠及范围进一步扩大，数字普惠金融会在助力企业降低债务融资成本过程中发挥更大的长期效用。

（三）异质性检验

本文将企业从地区和行业两个层面展开异质性检验。按照国家统计局的划分标准，根据归属地的不同将企业划分为东部地区企业、中部地区企业和西部地区企业；根据所属行业的不同划分为制造业企业和非制造业企业。根据实证结果（见表3），数字普惠金融对不同属性的企业在降低债务融资成本时，均起到了积极的推动作用，即数字普惠金融发展对企业债务融资成本降低存在区域异质性和行业差异性，假设2和假设3得到验证。

对于地区异质性，东部地区的数字普惠金融发展对企业债务融资成本的驱动效应与总体样本的基准回归模型估计结构最为相似，原因在于东部地区属于经济发达地区，企业数量多；中部地区数字普惠金融指数（DIFI）回归系数的绝对值最大，原因在于相比东部地区更为成熟的金融体系，中部地区企业的融资难度更大，而数字普惠金融发展容易起到更加显著的作用；西部地区数字普惠金融发展水平较低，但随着国家政策倾斜，企业融资需求不断提升，而融资供给相对较少，数字普惠金融发展水平的效用相对较小。

对于行业异质性，制造业的数字普惠金融发展影响企业债务融资成本的效果更为明显，原因在于我国制造业企业的固定资产规模较大，资金周转率低下，不良贷款率较高，数字普惠金融可借助科技手段，对制造业企业风险进行全面评估，从资金供给侧平衡融资供需，从而降低制造业企业债务融资成本。

表2 动态回归!数字普惠金融与企业债务融资成本

表3 数字普惠金融与企业债务融资成本!异质性检验

五、研究结论

本文构建带有虚拟变量的面板回归模型，检验数字普惠金融对企业债务融资成本的驱动效应，并进行动态性和异质性分析。实证研究表明：数字普惠金融发展对企业债务融资成本的降低具有显著的驱动效应，两者关系表现为负相关关系。从动态性分析，驱动效应在长期内仍然存在，即在一定的时间区间，数字普惠金融发挥的负向降低作用伴随债务融资成本的增加而增强；从异质性分析，在中部地区、制造业企业中，数字普惠金融可以发挥更大的效能，即可以更加有针对性地解决企业（尤其是中小微企业）在传统金融体系中劣势地位的问题。在新旧动能转换的背景下，我国企业要顺应数字金融发展的大趋势，积极融入金融数字化和金融包容性的大潮中，紧抓数字普惠金融发展对其债务融资成本发挥负向作用的机遇，从绿色、高效、智能的视角着手升级改造，提高资金配置效率，降低资金融通成本，通过激发数字金融活力助推企业可持续发展，成为我国经济高质量发展的新引擎。