数字金融发展能抑制企业避税吗

周天皓 张友棠

【摘要】数字金融作为一种新型的金融业态正处于飞速发展阶段， 其对经济可持续发展和微观企业行为都具有巨大影响。 基于2011 ～ 2018年我国沪深A股上市公司数据和北京大学数字普惠金融指数（2011 ～ 2018年）， 实证检验各省份数字金融发展对企业避税的影响及其影响机制。 研究结果显示： 数字金融发展有助于抑制企业的避税行为; 公司融资约束的降低是上述效应产生的重要渠道之一。 进一步研究发现， 数字金融与企业避税的负向关系主要集中在民营企业与高科技企业中， 在市场化环境差的地区影响更加显著。

【关键词】数字金融;企业避税;融资约束;金融监管

【中图分类号】F270      【文献标识码】A      【文章编号】1004-0994（2021）18-0143-10

一、引言

2015年李克強总理在《政府工作报告》中提出“互联网+”计划， 随后于2017年的《政府工作报告》中又提出“促进数字经济快速成长”， 在2019年的《政府工作报告》中继续强调“要深化大数据、人工智能等应用的研究， 发展壮大数字经济”。 数字经济的快速发展带动了与之相关的各类商业模式和技术的创新发展， 数字金融与互联网金融是最具代表性的行业。

党的十九大报告提出， “深化金融体制改革， 增强金融服务实体经济的能力”。 在大数据、人工智能等新兴技术发展的背景下， 数字金融这一新型的金融业态应运而生， 并推动了金融体制的改革。 数字金融通过大数据等科技手段， 使银行可以根据“数据驱动”为客户提供更加高效与精准的服务; 可以有效降低传统金融业的高准入门槛， 缓解信息不对称[1] ， 实现金融业的普惠发展。 相较于“互联网金融”， 数字金融覆盖范围更广且使用程度更深， 数字金融的各种具体业态都大幅降低了金融市场的搜寻成本和风险识别成本[2] ， 为企业提供了较为宽松的外部融资环境。

税收是财政收入的主要来源， 财政收入是国家发展的支柱。 根据世界银行与普华永道发布的《2019年世界纳税报告》可知， 中国税收营商环境有了显著改善， 但与发达国家差距较大， 且国内企业的税负较重。 传统的税收筹划理论认为， 企业的避税行为可以为企业带来现金流， 如刘行等[3] 研究发现避税是企业获取资金的途径; 而现代的税收理论则发现企业的避税行为会引发非税成本[4] 。 企业的高速发展离不开现金的支持， 由于中国金融体系不健全[5] ， 银行与企业之间存在严重的信息不对称问题， 导致企业的融资活动存在更高的交易成本。 在此背景下， 企业可能会通过合理的避税行为来获得内源融资以推动企业的高速发展。 企业避税会导致国家财政收入减少， 从而影响国家发展。 数字金融的发展可以弥补传统金融中部分企业因信用不足而无法获得贷款的问题， 缓解企业的融资约束， 并为企业提供相应的现金流。 那么， 数字金融的发展是否能够为企业创造一个宽松的融资环境， 从而抑制企业的避税行为呢？ 为回答这一问题， 本文试图探究数字金融的发展是否会通过缓解企业的融资约束来抑制企业的避税行为， 提高政府的财政收入。

基于此， 本文选取2011 ～ 2018年我国沪深A股上市公司作为样本， 将北京大学数字金融研究中心发布的数字普惠金融指数与企业数据相匹配[6] ， 实证检验数字金融对企业避税的影响。 研究结果表明， 数字普惠金融的发展有助于抑制企业的避税行为。 进一步考察融资约束作为重要机制在数字金融对企业避税的影响中的作用发现， 数字金融的发展可以通过缓解企业的融资约束从而抑制企业的避税行为。 分组检验发现， 数字金融与企业避税的负向关系在民营企业与高科技企业中更显著， 同时数字金融与企业避税的负向关系在市场化环境较弱的地区更显著。 政策制定者应当重视数字金融的发展， 以防范资本流动性不健全引发的金融危机; 同时通过数字金融为企业提供充足的资金， 以弱化企业避税的动机。

本文可能的贡献主要体现在以下几个方面： ①利用北京大学数字金融研究中心提供的“数字普惠金融指数”， 探讨数字金融对企业避税的影响。 首次将数字金融纳入企业避税的分析框架， 基于外部环境加深了对影响企业避税因素的认识。 ②考察了数字金融对企业避税的作用机制， 发现数字金融通过缓解企业融资约束来抑制企业避税动机。 ③考察了数字金融在不同产权、不同科技程度和不同制度环境下对企业避税的影响。 以上研究结果为政府部门进一步推进数字金融的发展提供了重要的实证依据。

二、文献回顾

（一）数字金融发展的经济后果研究

数字金融泛指传统金融机构与互联网公司利用数字技术实现融资、支付、投资和其他新型金融业务模式[7] 。 与传统金融不同， 数字金融具有普惠性和服务型的特点。 数字金融通过利用大数据技术与云计算技术， 降低了金融的服务门槛和服务成本， 可以充分发挥“成本低， 速度快， 覆盖广”的优势， 是金融创新和发展的方向。

现有研究数字金融经济后果的相关文献较多， 已有研究主要集中于数字金融的发展对经济发展与农村金融等影响上， 研究发现数字金融的发展具有强烈的聚集效应与空间相关性， 能够显著促进经济的增长， 但在不同的空间具有不同的促进作用。 同时数字金融的发展激发了农村消费性正规信贷需求， 积极影响了农村的金融需求; 可以推动农村减贫， 为农村减贫提供物质和社会的资本积累。 对于银行的影响， 数字金融的发展会导致银行资产端风险承担的偏好更显著， 表现为通过资产端的高风险选择来弥补负债端的损失[8-11] 。

而研究数字金融对企业微观影响的文献则很鲜见， 多集中于对小微企业的可持续发展， 以及投资、创新、创业等因素上。 已有研究发现数字金融的发展会提高企业的投资效率， 推动企业的创新创业发展[5，12-14] 。 也有学者认为， 数字金融发展后的网络借贷市场中存在更严重的逆向选择和道德风险问题[15] 。 然而， 已有文献并没有从企业的税收决策视角探讨数字金融发展的经济后果， 本文尝试在此方面进行相应的拓展。

（二）企业避税的影响因素研究

当前， 对于企业避税的影响因素研究也得到了理论界与实务界的广泛关注。 已有研究发现， 企业的外部环境与利益相关者会影响企业的避税决策。 其一， 政府对企业的避税行为会产生重要影响， Desai等[16] 研究表明， 政府对企业的税前利润享有征税权， 且税收具有法律赋予的强制性， 高额的税收成本使得企业倾向于避税。 其二， 外部投资者也会对企业避税行为产生影响。 李昊洋等[17] 研究发现， 机构投资者会通过提升公司的信息披露水平缓解信息不对称， 进而抑制企业避税。 其三， 少有学者从外部环境角度探讨企业的避税动因。 Chan等[18] 指出， 当企业的外部治理环境发生变化时， 企业会根据宏观环境的变化来调整自身的现金使用状况。 具体来说， 当经济政策不确定性上升时， 企业会进行更多的税收规避[19] 。 当经济周期下行时， 国有企业存在“逆经济周期支持效应”， 会降低自身的避税程度[20] 。

尽管有关企业避税影响因素的研究较为丰富， 但是这些文献的切入点主要集中于各利益相关者对企业避税程度的影响上， 然而对外部环境如数字金融发展视角的关注不够。

三、理论分析与研究假设

（一）数字金融与企业避税

数字金融基于大数据、云计算、人工智能和区块链等新兴技术， 能够有效突破传统金融在服务实体经济中“低效率、高成本”的难题。 数字金融利用互联网平台， 突破了传统金融机构需要设立网点的约束， 跨越了时空限制， 提高了金融服务的覆盖广度和使用深度。 数字金融可以让更多的居民和企业享受到其所需求的金融产品和服务， 从而缓解金融约束[21] 。 具体而言， 以蚂蚁金服、京东金融为代表的各大互联网公司均开辟了金融业务， 众筹等筹资方式的兴起可以帮助企业以更低的成本、更便捷的方式獲得融资， 为企业提供充足的外源资金。 笔者认为， 数字金融可能从以下两个方面对企业避税产生抑制作用。

第一， 数字金融的发展能够缓解企业面临的流动性约束， 帮助企业更方便地获得信贷支持， 降低企业规避税收的边际收益， 从而抑制企业的避税行为。 已有研究表明， 流动性约束的变动会影响企业的决策行为[22] 。 Edwards等[23] 研究发现， 当美国的上市公司预期美联储会减少商业贷款时， 企业会通过更多的避税行为来维持企业的现金流。 现金流代表企业在一定的时期内可以支配现金的充足程度， 是企业进行内源性融资的基础。 数字金融能够让企业的外部融资普惠化， 使企业的融资门槛降低， 缓解银企之间的信息不对称， 通过为客户提供定制化的服务， 让数字金融更好地服务于实体经济。 同时， 作为一种金融溢出， 数字金融在一定程度上会推动传统金融体系的重塑， 倒逼传统金融机构的改革[2] ， 使传统金融机构资源的配置效率和风险管控能力得以提升。 数字金融的发展打破了传统金融的边界约束， 盘活了各种金融资源， 缓解了企业面临的流动性约束， 进一步丰富了企业现金流， 提高了企业经营的稳定性。 如果企业通过税收规避所获得的边际收益降低， 那么企业通过税收规避进行现金流储备的动机也将随之减弱， 企业避税动机也将得到抑制。

第二， 数字金融作为一种金融基础设施， 其发展会倒逼监管机构的监管能力与分析能力提升， 提高企业避税的边际成本， 从而影响企业的避税决策。 Desai等[16] 发现税收的征管强度会通过提高企业的避税成本来抑制企业的避税动机。 据统计， 在企业避税失败后企业避税收益的40%要作为罚金上缴给税务部门[24] 。 可见， 当监管加强后， 企业的避税成本会显著上升， 从而抑制企业避税动机。 企业在避税时， 必然会通过高估成本、低估收入等手段进行盈余操纵， 由此导致企业的盈余质量较差。 数字金融企业基于数字化手段的应用， 提高了相应的数据处理能力和风险识别能力， 为全面征信系统的实现奠定了坚实的基础。 数字金融企业可以通过精准画像加强对企业的识别， 当企业的盈余质量较差或应税收入较低时， 也能够迅速被识别出来， 由此导致企业避税的难度与成本大幅提高。 同时数字经济的发展也在倒逼监管水平的提升， 如“金税三期”等基于多维度数据的现代化税收征管系统上线， 通过对海量数据的分析与决策， 税收的监管力度也随之加大。 在面对避税成本显著提升的情况下， 企业避税的动机可能会减弱。

基于以上分析， 本文提出假设1：

H1： 在其他条件不变时， 数字金融发展会抑制企业的避税行为。

（二）融资约束的中介效应

近年来， 日益饱和的市场需求导致企业产能过剩， 投资回报率逐渐下降， 融资压力逐渐增大， 数字金融发展使得融资约束得到缓解， 融资成本显著降低。 在数字技术的支持下， 数字金融在改善企业信息不对称和降低其委托代理成本中能够有所作为[25] ， 从而优化企业股权结构， 提高信息的可靠性。 由于信息不对称， 绝大多数企业都存在着不同程度的融资约束情况。 面临融资约束的企业更倾向于使用内部资金来缓解融资约束[26] 。 Richardson等[27] 发现融资约束会强化企业的避税动机， 且金融危机等外部环境的变化加剧了企业避税程度。 数字金融的发展不仅可以通过降低银企之间的信息不对称来缓解企业的融资约束， 更能通过系统化的信贷流程加快贷款的发放速度， 降低企业的融资成本。

Huang等[28] 利用蚂蚁金服的数据研究发现， 蚂蚁金服在发放贷款的过程中会加强对非财务信息的审核， 同时发放贷款的时间最快仅需3秒， 远远快于传统金融机构的贷款发放时间。 可见， 数字金融的发展可以通过缓解银企双方信息不对称、缩小放贷过程中的寻租空间[14] 来降低企业的融资成本， 进而缓解企业的融资约束。 因此， 随着数字金融的发展， 企业融资约束得到缓解， 企业从内源获取融资的动机减弱， 即企业避税程度降低。

基于以上分析， 本文提出假设2：

H2： 融资约束在数字金融对企业避税的负向作用中发挥了中介效应。 即数字金融的发展会缓解企业的融资约束， 进而降低企业的避税程度。

四、研究设计

（一）样本选择与数据来源

本文选取2011 ～ 2018年所有沪深A股上市公司作为初始研究样本， 将北京大学数字普惠金融指数（2011 ～ 2018年）与企业数据进行匹配， 检验数字金融对企业避税的影响。 本文对样本进行了如下筛选： 剔除金融、保险业上市公司; 剔除财务数据缺失企业以及ST企业; 同时参考已有研究[29] ， 剔除实际所得税率小于0和大于1的异常样本。 本文所有财务数据来源于CSMAR和WIND数据库， 数字金融指数来源于北京大学数字普惠金融指数， 对连续型变量在1%水平上进行Winsorize处理。 经过上述处理得到17066个公司年度观测值。 本文相关数据的处理和分析均使用stata 16.0软件完成。

（二）模型构建与变量定义

1. 模型构建。 为了验证本文的研究假设， 本文构建了以下模型：

BTDi，t（ETRi，t）=β0+β1Digitalfini，t+

β2Controli，t+Year+Ind+εi，t  （1）

SAi，t=β0+β1Digitalfini，t+β2Controli，t+

Year+Ind+εi，t （2）

BTDi，t（ETRi，t）=β0+β1Digitalfini，t+β2SAi，t+

β3Controli，t+Year+Ind+εi，t （3）

上述模型中i表示行业， t表示年份， ε表示随机干扰项。 模型（1）中若β1小于0， 则说明数字金融会抑制企业避税行为。 根据本文的研究假设1， β1预计显著为负。 模型（2）、模型（3）用來检验本文假设2， 模型（3）中β1、β2预计显著为负。

2. 变量定义。

（1）企业避税。 现有文献对于企业避税程度的衡量主要分为两种[30] ： 一种是会计准则意义上的企业实际税率（ETR）; 另一种是会计税收差异（BTD）， 该方法主要是基于对税法偏离会计准则的程度测度， 偏离程度越大， 企业进行税收规避的动机越强， 避税可能性和程度也越大。 本文借鉴刘行等[31] 、李青原等[32] 的研究， 使用如下方式计算实际有效税率（ETR）： ETR=企业所得税费用/税前总利润， ETR值越小， 企业避税程度越严重; 同时使用如下方式来计算会计税收差异（BTD）， BTD=（企业税前利润-应纳税所得额）/总资产， BTD值越大， 企业避税程度越严重。

（2）数字金融。 本文采用北京大学数字普惠金融指数（Digitalfin）反映各省份数字普惠金融发展水平。 该指数从覆盖广度和使用深度等维度对数字金融发展进行刻画， 可以反映数字技术助力中国金融发展的总体情况。 同时， 参考已有研究[12，13] ， 将数字普惠金融指数除以100对该指标进行标准化处理。

（3）融资约束。 本文借鉴鞠晓生等[33] 的研究， 使用SA指数的绝对值对融资约束进行衡量。 使用SA指数可以缓解WW指数与KZ指数中容易产生测度偏误的问题。 具体公式如下：

SA=-0.737SIZE+0.043SIZE2-0.04age （4）

其中： SIZE=ln（企业资产总额/1000000）， age为公司的上市年限。 由此计算出来的该指数为负， SA指数绝对值越大表示面临的融资约束越严重。

控制变量参考已有文献[13，31] 的做法来选取。 本文涉及的变量定义和计算说明见表1。

五、实证分析

（一）描述性统计

表2报告了主要变量的描述性统计结果。 其中， 会计税收差异（BTD）的最大值为0.128， 最小值为-0.101。 这说明大部分企业的税前会计利润大于企业的应纳税所得额， 存在避税行为。 企业实际税率（ETR）的平均值为0.192， 表明企业均相应地存在避税行为。 数字金融（Digitalfin）的平均值为2.199， 最大值为3.777， 最小值为0.284， 表明我国不同省份之间的数字金融发展水平差距较大， 不同企业的数字金融环境不同。 融资约束（SA）均值为3.206， 最大值为3.293， 最小值为2.661， 表明上市公司之间存在较大的融资约束程度上的差异， 大部分企业都面临着融资约束。 在控制变量方面， 企业规模（SIZE）、财务杠杆（LEV）等均存在较大差异， 表明控制变量对被解释变量均存在较为显著的影响， 且基本符合正态分布特征。

（二）相关性分析

表3报告了被解释变量企业避税与其他变量的Pearson相关系数。 任意变量之间的相关系数小于0.8， 表明变量之间的多重共线性不严重， 可以通过多元线性回归方式进行回归。

（三）回归分析

本文采用Stata 16.0软件对2011 ～ 2018年我国A股上市公司面板数据进行实证检验。 在构建计量模型之前， 进一步检验得出VIF值小于10， 可以得知变量之间不存在多重共线性。 回归结果如表4所示。

表4报告了数字金融与企业避税的回归结果。 第（1）列表明数字金融（Digitalfin）的回归系数在5%的显著性水平上与会计税收差异（BTD）负相关， 第（2）列表明数字金融（Digitalfin）的回归系数在1%的显著性水平上与企业实际税率（ETR）负相关。 上述结果表明数字金融发展水平越高， 企业避税行为越少， 从而验证了本文的H1。 之所以存在这一现象， 笔者认为主要有以下原因： ①数字金融借助大数据等新兴技术提升了风险甄别能力， 能够降低对企业的风险评估成本， 使得企业能够以更低的成本获得融资， 增加企业金融资源的可获得性， 缓解企业存在的“融资难， 融资贵”问题， 削弱企业从内源获得资金的动机。 ②数字金融作为一种金融基础设施， 其使用深度、覆盖广度和数字化水平的改善能够提升企业的资金宽松预期， 能够稳定企业的财务状况， 从而抑制企业的避税动机。

表5报告了数字金融对企业避税影响的中介效应检验结果。 第（1）列探究了数字金融（Digitalfin）对企业避税（BTD）的影响， 回归系数为-0.002， 在5%的水平上显著， 说明数字金融的发展会减少企业的避税行为， 从而验证了H1。

第（2）列探究了数字金融（Digitalfin）对融资约束（SA）的影响。 由第（2）列结果可知， 数字金融（Digitalfin）的回归系数为-0.027， 在1%的显著性水平上与融资约束负相关， 说明数字金融的发展会使企业融资约束得到缓解。 这表明数字金融的发展可以降低企业的融资成本， 缓解企业的融资难、融资贵的问题。

第（3）列探究了数字金融与融资约束、企业避税之间的关系。 数字金融（Digitalfin）的回归系数为-0.002， 与企业避税（BTD）在5%的水平上显著负相关; 融资约束（SA）与企业避税（BTD）的相关系数为-0.009， 在1%的水平上显著。 这表明融资约束（SA）的缓解会抑制企业避税行为。

从以上三列的检验结果可知， 随着数字金融的发展， 金融业的服务效率逐渐提高， 促使企业面临的融资约束下降， 企业的融资成本降低， 从而削弱企业通过避税等手段获取资金的动机。 借鉴温忠麟等[34] 的做法， 对融资约束的中介效应进行检验。 第（1）列的回归结果显示， 数字金融（Digitalfin）与企业避税（BTD）之间存在显著相关性， 符合中介效应因果检验法的第一步假设; 第（2）列的回归结果显示， 数字金融（Digitalfin）与融资约束（SA）存在显著相关性， 符合中介效应因果检验法的第二步假设; 第（3）列的回归结果显示， 数字金融（Digitalfin）和融资约束（SA）的回归系数分别为-0.002和-0.009， 在5%和1%的置信水平上显著， 这说明融资约束在数字金融对企业避税的影响过程中发挥了部分中介传导的作用， 由此验证了H2。

（四）稳健性检验

为进一步确保上述研究结果的稳健性， 本部分对数字金融指标进行了重构。 根据北京大学数字普惠金融指数， 使用其子维度数字金融覆盖广度（Digitalfincov）、数字金融使用深度（Digitalfindep）来替代数字普惠金融指数， 并重新进行回归检验。 表6列（1）、列（2）报告了研究结果， 数字金融覆盖广度对企业避税的影响为负且在5%水平上显著， 与前文研究结论相似。 表6列（2）表明， 数字金融使用深度会加剧企业的避税程度且在10%的水平上显著。 这表明随着数字金融的发展不仅要依靠面积的覆盖， 还需要依靠深度的挖掘来为企业提供更好的融资环境， 抑制企业的避税行为， 这也为日后数字金融的发展提供了方向。

同时， 本文参考已有研究[12] ， 控制市场化发展水平， 因为市场化发展水平往往影响企业获得外部融资的渠道。 在金融发展相对完善的地区， 企业获得融资可能更加便捷， 从而影响数字普惠金融对企业避税行为的抑制作用。 基于此， 本文采用樊纲的市场化指数来衡量市场化发展水平。 将市场化发展水平作为虚拟变量（dumf）， 市场化水平（dumf）高于中位数取1， 否则取0， 并重新进行回归检验。 表6列（3）的结果表明， 在控制了区域市场化水平的影响后， 数字金融发展对企业避税仍具有显著的抑制作用。

（五）内生性检验

上文验证了数字金融对企业避税的影响， 为了避免数字金融的测量误差导致估计结果出现偏误而产生内生性问题， 本文参考已有研究[2，5] 的方法， 使用中国各省份网民比率（inter）作为工具变量， 采用2SLS（两阶段）进行回归分析。 该工具变量符合相关性和外生性两个约束条件： 一方面， 网民比率越高， 数字金融的覆盖范围就越广， 使用的程度也越深; 另一方面， 网民比率对企业避税行为影响较小。 表7列（1）结果显示， 中国各省份网民比率（inter）的回归系数显著为正， 满足了工具变量的基本要求。 进一步， 列（2）第二阶段回归结果显示数字金融的系数为-0.003， 在10%的水平上显著， 表明数字金融显著抑制了企业的避税行为， 这与前文结果完全一致。

（六）进一步研究

1. 产权性质。 我国的制度背景决定了对国有企业与民营企业的分组检验十分重要。 在理论上， 我国的国有企业因为具有政府背景， 金融体系由政府主导， 国有企业与国有银行之间有着天然的政治联系， 在获取信贷资源方面有明显优势， 国有企业更有机会获取信贷优惠与长期贷款， 由此数字金融的发展对国有企业的影响可能较小。 而民营小微企业由于缺乏丰富的经营数据支撑， 传统的金融机构无法判断其是否诚信。 数字金融可以通过民营企业在互联网上的各种行为数据， 通过深度学习等模型进行分析， 从而缓解民营企业在融资时经营信息不充分的问题， 为企业获得更多的资金， 导致企业的避税动机减弱。 因此， 相较于民营企业， 数字金融的发展对国有企业的影响可能较小， 国有企业减少避税行为的动机可能较弱， 数字金融对企业避税的影响可能在民营企业中更显著。 表8列（1）、列（2）报告了国有企业与民营企业之间数字金融对企业避税影响的差异。 可以看出数字金融在民营企业中在5%的水平上显著为负， 说明民营企业的避税行为更多地受到数字金融发展的影响， 数字金融发展可以增强民营企业的纳税意愿， 减弱其避税动机; 而在国有企业中不显著， 表明数字金融对国有企业的避税行为影响较小。

2. 技术水平。 高科技企业面临着较大的创新投入压力， 由于未来收入的不确定导致企业外部融资约束压力较大， 随时可能因为现金流的不足导致企业破产， 因此高科技企業可能会更加需要通过企业避税来缓解企业的资金压力。 数字金融的发展可以提高金融服务效率， 让贷款更快速地发放到企业手中， 因此， 相较于非高科技企业， 数字金融的发展对企业避税行为的影响可能在高科技企业中更加显著。

本文參考黎文靖和郑曼妮[35] 的研究， 按照其划分高科技行业标准进行分组。 根据国家统计局的行业分类标准（GB/T4754）， 将制造业中的通用设备、专用设备、交通运输设备、电气机械及器材、计算机及其他电子设备， 以及通信设备、仪器仪表及文化、办公用机械划分为高科技行业， 其余则为非高科技行业。 分组回归结果如表8列（3）（4）所示： 与一般行业的企业相比， 高科技企业中数字金融的发展对企业避税的影响在1%的水平上负向显著， 对于非高科技企业的影响不显著。

3. 市场环境。 本文考察了不同市场化环境中数字金融对企业避税的影响， 地区的市场化环境越偏向于市场化， 市场化指数越高， 该地区的社会愈加稳定， 该地区经济水平越发达， 资本市场也更加完善， 因此银行的信贷政策越健全。 数字金融可以通过拓展金融覆盖广度与使用深度来影响企业避税行为， 对于市场化环境较差的地区， 以往正规金融机构未能触达的地区， 可以通过数字金融享受到现代金融体系的服务， 因此数字金融的发展是一种“雪中送炭”行为， 使得数字金融对其企业避税的负向影响也越显著。 而市场化环境好的地区， 基本位于发达地区， 这里传统金融机构网点众多， 且金融基础设施完善， 数字金融的作用可能并未凸显， 因此数字金融的发展属于“锦上添花”。 因此， 本文预期数字金融对企业避税的影响可能在市场化环境差的地区更加显著。

本文的制度环境以王小鲁等[36] 编制的市场化指数进行衡量， 大于中位数即为市场化环境好地区， 低于中位数则为市场化环境差地区。 表8列（5）、列（6）报告了市场化环境好与市场化环境差的企业之间数字金融对企业避税影响的差异， 可以看出数字金融在市场化环境差的情况下在1%的水平上负向显著， 而在市场化环境好的地区不显著。 这表明在市场化环境差的地区， 数字金融发展可为企业提供丰富的融资机会， 以及便捷的借贷等金融服务[37] ， 从而削弱企业的避税动机， 显著抑制企业的避税行为。

六、研究结论及政策建议

（一）研究结论

在中国经济高质量发展的背景下， 考察中国数字金融发展对企业避税的影响具有重要的现实意义。 本文探究了数字金融对企业避税的影响机理， 并以融资约束作为中介变量， 构建了“数字金融→融资约束→企业避税”的逻辑关系， 基于2011 ～ 2018年A股上市公司的数据与北京大学数字金融研究中心发布的数字普惠金融指数（2011 ～ 2018年）， 探究数字金融如何影响企业避税程度。 研究结论如下： ①数字金融的发展显著抑制了企业避税行为， 表明数字金融的发展会降低银企之间的信息不对称， 从而影响企业的行为。 ②融资约束在数字金融与企业避税之间发挥中介作用， 即数字金融是通过缓解公司的融资约束来抑制企业的避税行为， 表明数字金融的发展使得外部的流动性更强， 缓解了企业的融资约束， 从而让企业更多地从外部获得融资， 减弱了企业通过避税提升内部流动性进行风险对冲的动机。 ③进一步研究发现， 数字金融对企业避税的负向影响在民营企业中更显著， 表明民营企业面临着更加严重的融资约束问题， 在现金流改善后也更能抑制自身的避税动机， 数字金融的发展对其避税程度的影响也更加显著。 对于技术水平不同的企业， 高科技企业数字金融对企业避税程度的影响更加显著; 在市场化程度不同的地区， 数字金融对企业避税的影响在市场化行为较弱的地区更加显著， 表明市场化水平较差地区的公司融资更加困难， 企业也更倾向于通过内源融资进行现金流的补充。

（二）政策建议

1. 政府应当积极推动数字金融发展， 构建监管机构和金融主体之间的沟通机制。 应以双向沟通机制代替由上至下的沟通机制[38] 。 政府应当积极顺应数字金融发展的大潮， 依托大数据、区块链等先进技术加强数字金融基础设施的建设， 深化数字金融企业与民营企业的对接， 为民营企业营造良好的融资环境。 在市场化程度较低的地区， 政府应积极推动数字普惠金融的落地， 引导社会资本促进各自区域内企业的发展， 发挥数字金融“雪中送炭”的作用， 削弱企业的避税动机。

2. 政府应当完善相应的法律法规， 加强对数字金融企业的监管。 完善的金融制度， 才是数字金融发展的前提。 政策制定者应当在保证数字金融技术和企业稳步发展的基础上发挥政府宏观规制的作用， 在重点领域加大监管力度; 要让数字金融实现良性发展， 为数字金融企业提供先行示范区， 为其提供试错的空间。 同时也要防止数字金融企业违规监管套利、利用市场优势地位排斥同业经营者等情况的发生， 防范因数字金融的无序发展引致的系统性风险， 通过手段引导， 将数字金融企业的资源从横向无序化扩展转换为纵向深化发展[39] 。

3. 构建数字金融与税务部门的数据共享综合云端平台， 加强数字金融企业与税务机构的联系。 通过税务监管部门和技术部门的密切合作， 加强信息化建设， 将数字金融企业识别到的申报企业异常税务情况共享至监管部门， 利用大数据手段分析诊断税收过程中存在的问题[40] ， 提高执法的效率。 通过提高企业的避税成本来抑制企业的避税动机， 提高政府的税收征管能力， 为国家进一步减税降费奠定坚实基础。

【 主 要 参 考 文 献 】

[1] 徐章星，张兵，刘丹.数字金融发展、企业信贷错配与劳动就业—— 一个有调节的中介效应[ J].财经论丛，2020（12）：40 ～ 49.

[2] 唐松，伍旭川，祝佳.数字金融与企业技术创新——结构特征、机制识别与金融监管下的效应差异[ J].管理世界，2020（5）：52 ～ 66+9.

[3] 刘行，叶康涛.金融发展、产权与企业税负[ J].管理世界，2014（3）：41 ～ 52.

[4] Desai M. A.， Dharmapala D.. Earnings management， corporate tax shelters， and book tax alignment[ J].National Tax Journal，2009（1）：169 ～ 186.

[5] 谢绚丽，沈艳，张皓星，郭峰.数字金融能促进创业吗？——来自中国的证据[ J].经济学（季刊），2018（4）：1557 ～ 1580.

[6] 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.

[7] 黄益平，黄卓.中国的数字金融发展：现在与未来[ J].经济学（季刊），2018（4）：1489 ～ 1502.

[8] 郝云平，雷汉云.数字普惠金融推动经济增长了吗？——基于空间面板的实证[ J].当代金融研究，2018（3）：90 ～ 101.

[9] 傅秋子，黄益平.数字金融对农村金融需求的异质性影响——来自中国家庭金融调查与北京大学数字普惠金融指数的证据[ J].金融研究，2018（11）：68 ～ 84.

[10] 王善平，孙正欣.互联网金融对减贫的福利效应[ J].财会月刊，2021（3）：145 ～ 151.

[11] 邱晗，黄益平，纪洋.金融科技对传统银行行为的影响——基于互联网理财的视角[ J].金融研究，2018（11）：17 ～ 29.

[12] Yang L.， Zhang Y.. Digital financial inclusion and sustainable growth of small and micro enterprises： Evidence based on China's new third board market listed companies[ J].Sustainability，2020（9）：33 ～ 37.

[13] 张友棠，常瑜洺.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.

[14] 李春涛，闫续文，宋敏，杨威.金融科技与企业创新——新三板上市公司的证据[ J].中国工业经济，2020（1）：81 ～ 98.

[15] 廖理，张伟强.P2P网络借贷实证研究：一个文献综述[ J].清华大学学报（哲学社会科学版），2017（2）：186 ～ 196+199.

[16] Desai M. A.， Dyck A.， Zingales L.. Theft and taxes[ J].Journal of Financial Economics，2007（3）：591 ～ 623.

[17] 李昊洋，程小可，姚立杰.机构投资者调研抑制了公司避税行为吗？——基于信息披露水平中介效应的分析[ J].会计研究，2018（9）：56 ～ 63.

[18] Chan J. B.， Suh J.. Payout policy and cash-flow uncertainty[ J].Journal of Financial Economics，2009（1）：88 ～ 107.

[19] 王菁华，茅宁.经济政策不确定性、流动性预防与企业避税[ J].中国经济问题，2020（6）：91 ～ 106.

[20] 陈冬，孔墨奇，王红建.投我以桃，报之以李：经济周期与国企避税[ J].管理世界，2016（5）：46 ～ 63.

[21] 李涛，徐翔，孙硕.普惠金融与经济增长[ J].金融研究，2016（4）：1 ～ 16.

[22] 付文林，赵永辉.税收激励、现金流与企业投资结构偏向[ J].经济研究，2014（5）：19 ～ 33.

[23] Edwards A. S.， Schwab C. M.， Shevlin T.. Financial constraints and cash tax savings[ J].The Accounting Review，2015（3）：859 ～ 881.

[24] Wilson R. J.. An Examination of corporate tax shelter participants[ J].The Accounting Review，2009（3）：969 ～ 999.

[25] 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.

[26] 王彦超.融资约束、现金持有与过度投资[ J].金融研究，2009（7）：121 ～ 133.

[27] Richardson G.， Lanis R.， Taylor G. L.. Financial distress， outside directors and corporate tax aggressiveness spanning the global financial crisis： An empirical analysis[ J].Journal of Banking & Finance，2015（3）：112 ～ 129.

[28] Huang Y.， C. Lin， Z. Sheng， L. Wei. Fin tech credit and service quality [R].Working Paper of the University of Hong Kong，2018.

[29] 許红梅，李春涛.社保费征管与企业避税——来自《社会保险法》实施的准自然实验证据[ J].经济研究，2020（6）：122 ～ 137.

[30]Mihir A. Desai， Dhammika Dharmapala. Corporate tax avoidance and high-powered incentives[ J].Journal of Financial Economics，2006（1）：145 ～ 179.

[31] 刘行，赵晓阳.最低工资标准的上涨是否会加剧企业避税？[ J].经济研究，2019（10）：121 ～ 135.

[32] 李青原，刘叶畅.同行业间避税与企业的战略反应——来自我国A股上市公司的经验证据[ J].金融研究，2019（10）：152 ～ 169.

[33] 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.

[34] 温忠麟.张雷，侯杰泰，刘红云.中介效应检验程序及其应用[ J].心理学报，2004（5）：614 ～ 620.

[35] 黎文靖，郑曼妮.实质性创新还是策略性创新？——宏观产业政策对微观企业创新的影响[ J].经济研究，2016（4）：60 ～ 73.

[36] 王小鲁，樊纲，胡李鹏.中国分省份市场化指数报告（2018）[M].北京：社会科学文献出版社，2019：1 ～ 223.

[37] 温涛，朱炯，王小华.中国农贷的“精英俘获”机制：贫困县与非贫困县的分层比较[ J].经济研究，2016（2）：111 ～ 125.

[38] 王伞伞.我国金融科技监管短板、突破口与体系建设[ J].财会月刊，2021（2）：155 ～ 160.

[39] 刘柏，卢家锐.互联网平台经济领域垄断的潜在风险及防范[ J].财会月刊，2021（3）：140 ～ 144.

[40] 黄健傑.论大数据时代的税收治理精准立法创新[ J].财会月刊，2021（1）：148 ～ 154.