数字普惠金融发展能降低上市公司债务融资成本吗

肖忠意 陈海涛 李润琪

【摘要】基于2011 ～ 2018年沪深A股上市公司样本， 利用北京大学数字普惠金融发展指数数据， 实证检验城市级别的数字普惠金融发展对上市公司债务融资成本的影响。 研究发现： 城市级别的数字普惠金融发展水平越高， 上市公司的债务融资成本越低， 且这种影响存在显著的异质性特征。 进一步的机制分析发现： 数字普惠金融发展能够通过提升城市银行业多样性和降低企业的投融资错配程度对债务融资成本形成显著的中介因子效应。 总体而言， 数字普惠金融的发展有利于促进金融市场的结构优化， 降低企业的债务融资成本， 这为推进数字普惠金融发展， 进一步提升金融市场活力， 降低企业融资负担提供了政策制定的经验证据。

【关键词】数字普惠金融;新结构经济学;债务融资成本;中介效应

【中图分类号】F275      【文献标识码】A      【文章编号】1004-0994（2022）04-0034-8

一、引言

习近平总书记在中央政治局集体学习中指出， 深化金融供给侧结构性改革必须强化金融服务功能， 优化融资结构和金融机构体系、市场体系、产品体系， 为实体经济发展提供更高质量、更有效率的金融服务。 随着我国新基础设施建设的全面推进和金融供给侧结构性改革的深入， 数字普惠金融的发展对我国的金融结构和金融效率产生了广泛且深刻的影响。 一方面， 我国的金融体系以银行为主导， 并在发展中逐渐形成四大国有银行在整个银行体系中长期居于主导地位的格局[1] ; 数字普惠金融将更多的金融主体纳入市场中， 加剧了金融市场的竞争， 促进了金融供给多元化， 给我国的金融格局带来了结构性的变化。 另一方面， 借助于大数据和云计算的科技手段， 数字金融增强了金融机构的识别能力， 促进了信息的传递， 更高效地连接了金融主体， 在一定程度上缓解了主体间的信息不对称问题[2] ， 从而降低了金融市场交易成本， 提高了金融效率。

资金是企业的血液， 融资问题是关乎企业生存和发展的重大问题， 也是学术界关注的焦点。 自我国经济进入新常态发展阶段以来， 经济发展方式由高速发展向高质量发展转变， 经济环境的转变给企业带来了更大的融资压力， 发挥金融工具服务实体经济的功能， 降低融资成本、增强资金的可得性已成为企业发展的迫切需求。 从新结构经济学的角度看， 在每一个特定的经济发展水平上单个经济体的禀赋及其结构是给定的， 并随经济发展水平的不同而不同， 因而经济体的最优产业结构也会随经济发展水平不同而不同[3] 。 那么， 数字普惠金融发展带来金融产业的结构性变化， 新的金融结构是否优于以往的金融结构， 是否能在经济新常态的背景下为企业赋能， 降低其融资成本呢？ 为回答上述问题， 本文选取2011 ～ 2018年A股上市公司数据进行实证研究， 并进一步探讨该问题背后的作用机制。

本文可能的贡献在于： 首先， 基于新结构经济学的角度拓展了数字普惠金融发展对企业债务融资成本影响的相关研究， 发现数字普惠金融的发展能显著降低企业的债务融资成本， 且上述效应存在一定的组间差异性。 其次， 利用Sobel的中介因子效應模型， 对数字普惠金融发展降低企业债务融资成本的机制进行探索， 发现数字普惠金融发展通过提高城市的银行业多样性和优化企业投融资结构， 显著降低企业的债务融资成本。

二、文献综述与研究假设

（一）文献综述

早在2005年， 联合国就在“世界小贷年”的会议上以及次年发布的蓝皮书文件中提出了“普惠金融”这一概念。 普惠金融强调金融的普遍性与优惠性， 希望通过对金融格局和金融资源分配的调整， 校正金融资源对优势群体的过度倾斜， 从而使金融工具真正做到为大众服务。 自2013年党的第十八届三中全会提出发展普惠金融这一战略以来， 凭借着全面铺开的新基础设施和互联网设施建设的优势， 普惠金融依托数字平台和数字技术新载体， 将其影响拓展到金融领域的各个方面， 广泛而又深刻地促成了我国金融生态和金融结构的变化， 对金融要素禀赋进行了新的配置， 也成为众多学者的关注焦点。

已有文献对于数字普惠金融发展对我国企业融资的影响进行了实证研究， 发现数字普惠金融发展能够从推动金融中介发展、降低金融市场信息不对称性等渠道缓解企业融资约束[2] 。 进一步地， 梁榜、张建华[4] 以融资约束和企业债务融资成本为中介因子， 检验了数字普惠金融发展对企业创新的促进作用， 但其作用机理以及机制路径尚不明确。

由于信息的不对称和金融资源的稀缺， 银行和金融机构在面对企业资金需求时， 会将资源向规模大、效率高、声誉好、具有政府背景的企业倾斜[5-9] ， 从而增加民营企业、中小企业和经营上升期企业的融资难度和成本; 这反映了企业层面的金融资源结构性错配。 从新结构经济学的视角来看， 不合理的银行业结构和金融结构， 可能在一定程度上造成企业融资困难。 金融结构、银行业结构与经济结构相匹配有利于经济增长， 而在我国银行占主导地位的金融结构中， 大型银行的垄断对企业的发展构成了不利的影响[10] 。 姚耀军、董钢锋[11] 发现中小银行的发展有利于降低企业的现金敏感性; 刘晓光、苟琴[12] 发现存在最佳的银行业结构使企业受到融资约束的概率最低， 且我国银行业集中度普遍高于该最优水平。 有理由认为， 数字普惠金融的发展会通过改变银行业结构以及提升金融机构识别能力， 缓解企业的资金压力， 并且这种缓解作用能够体现在降低企业债务融资成本上。 由此， 本文提出数字普惠金融发展影响企业融资的可能的新结构经济学理论路径， 即数字普惠金融发展能够调整银行业结构和金融结构， 增强银行间的竞争和金融市场的识别能力， 使资金供给更符合企业的发展需求， 进而降低企业融资难度和融资成本。

从对已有研究文献的总结来看， 学界对于数字普惠金融发展对企业融资影响的研究成果颇丰， 且学者们对于数字普惠金融发展对企业融资具有促进作用这一命题有一定的共识， 但是学界对于数字普惠金融发展对债务融资成本的影响及其中介机制的研究尚存在空白， 尤其缺乏从新结构经济学视角来解释银行业结构、金融结构变迁对企业债务融资成本影响的相关研究， 故本文将从这个方面入手进行研究。

（二）研究假设

1. 数字普惠金融发展与企业债务融资成本。 已有文献表明， 数字普惠金融发展能够有效缓解企业的融资约束， 这些研究探讨了数字普惠金融发展对企业融资边界的拓展作用， 并且提出其能够依靠网络和大数据技术， 有效降低企业与金融投资者之间的信息不对称性， 提高资金需求方和资金供给方的匹配性[2] 。 在以往的金融结构中， 国有大型银行占据着市场的主导地位， 垄断造成的金融供给短缺以及金融信息的不对称将显著提升资金的竞用性， 从而抬高债务融资成本， 特别是对中小型企业来讲， 信贷歧视和资金供求的不平衡将使资金的获取成本更加高昂。 随着数字普惠金融的发展， 新机构、新平台、新技术、新的信息识别方式能够为金融市场注入更多的活力， 改变金融市场结构， 使资金更充沛、信息更充分， 银行、金融机构竞争更激烈， 从而可能有效地缓解企业债务融资成本高昂这一问题。 鉴于此， 本文提出如下假设：

H1： 数字普惠金融的发展能够显著降低企业的债务融资成本。

2. 数字普惠金融发展与银行业竞争。 迅猛发展的数字普惠金融冲击着银行现有竞争格局， 并对银行传统经营模式形成巨大挑战。 在业务竞争方面， 数字普惠金融通过网络平台上的借贷、理财、众筹、移动支付等业务， 极大地加大了银行业的业务竞争; 在银行业生态结构方面， 随着数字普惠金融的发展， 一大批新兴的商业银行和中小银行进入金融市场， 提升了城市的银行网点数量， 打破了传统的四大银行垄断竞争的银行业生态。 在更充分的竞争中， 利率的市场化进程被进一步推动， 银企之间的信息不对称被进一步打破[13] ， 资金需求端的议价能力获得了提升， 而更多中小型银行的参与， 进一步提升了银企间的匹配性， 使资金的供给得到了更多的保证。 鉴于此， 本文提出假设：

H2： 城市银行业的竞争在数字普惠金融发展降低企业债务融资成本的过程中起到中介作用。

3. 数字普惠金融发展与企业投融资期限错配。 对于企业投融资期限错配对企业债务融资成本的影响这一问题， 学术界尚未有定论。 一方面， 融资优序理论指出， 具有优质资产和更高资金流动性的企业倾向于使用成本更低的短期债务资金进行长期投资， 从而提高长期借款的比例[14] ; 另一方面， 钟凯等[15] 的研究指出， 企业投融资期限错配其实是资金供给不足的一种表现， 即企业缺乏获取长期资金的能力， 被迫利用不稳定的短期资金来进行长期投资， 结果导致投融资期限错配。 随着数字普惠金融的发展， 当金融市场的结构更加优化， 金融要素禀赋分配更符合企业发展的需要时， 更充分的金融信息、更强大的识别机制会使企业获取长期资金的能力得到提升， 进而减少企业使用短期资金来填补长期投资缺口的行为， 从而降低债务融资成本。 因此， 本文提出假设：

H3： 投融资期限错配在数字普惠金融发展降低企业债务融资成本的过程中起到中介作用。

三、研究设计

（一）数据选取

本文选取2011 ～ 2018年沪深两市的A股上市公司为研究对象， 再依据北京大学的数字金融普惠金融指数和上市公司的地理信息， 构建年、城市、企业相匹配的面板数据集， 在此过程中剔除金融类上市公司、ST和∗ST类上市公司、相关数据缺失的上市公司， 最终得到13326个企业—年份观测样本。 企业的财务数据和地理位置信息来自国泰安和锐思数据库， 银行业竞争数据根据中国银行保险监督管理委员会网站提供的金融许可证信息手工整理计算所得。 主要的连续变量都使用Stata 15进行1%水平上的缩尾处理， 以排除极端值的影响。

（二）变量设定

1. 被解释变量： 企业债务融资成本。 借鉴李广子、刘力[5] 的研究， 本文使用COD1和COD2这两个指标来衡量企业债务融资成本。 其中COD1由利息支出、手续费和其他财务费用之和除以财务费用、管理费用和销售费用之和计算得到， COD2为财务费用占财务费用、管理费用和销售费用之和的比例， 这两个指标都通过计算财务相关费用支出占整体费用类支出的比例来衡量企业的债务融资成本。

2. 解释变量： 数字普惠金融发展指数。 北京大学互联网金融研究中心联合蚂蚁金服， 利用其收集的大量数字金融数据， 从覆盖广度、使用深度和数字支持服务程度三个维度选取了33个指标， 构建了一份覆盖我国31个省、337个地级市， 时间跨度为九年（2011 ～ 2018年）的中国数字普惠金融发展指数， 为我国普惠金融领域的相关研究提供了宝贵的参考数据。 参考郭峰等[16] 的研究， 本文选择其中259个与A股上市公司地理位置相匹配的地级市的数字普惠金融发展指数的自然对数作为核心解释变量DFI， 这一总体指数涵盖了上述三个维度， 能够更好地衡量数字普惠金融的发展程度。

3. 中介变量。 首先， 参考姜付秀等[13] 的做法， 本文采用银保监会提供的金融许可证数据， 计算出每年每个城市的银行的支行数量， 并根据城市内银行的市场份额占比， 计算出当年该城市的银行业赫芬达尔系数。 由于赫芬达尔系数是一个负向衡量金融多样性的指标， 本文取其倒数并除以100作为城市级别的金融多样性（Diversity）指标。 其次， 参考钟凯等[15] 的做法， 将投融资期限错配（SLFI）界定为： 购建固定资产等投资活动现金支出-（长期借款本期增加额+本期權益增加额+经营活动现金净流量+出售固定资产现金流入）。 其中， 长期借款的本期增加额为： 本期长期借款+一年内到期非流动负债-前期长期贷款。 计算的结果再除以期初的企业资产总额以去除规模效应， 得到投融资期限错配（SLFI）指标。

4. 控制变量。 为了尽可能地避免变量遗漏的问题， 参考已有研究[17，18] ， 本文从多角度选取了多个微观企业层面的控制变量， 这些控制变量都被证实能够在一定程度上影响企业的融资情况， 包括固定资产比率（PPE）、资产负债率（Lev）、经营现金流比例（CFO）、企业规模（Size）、资产回报率（ROA）、净资产收益率（ROE）、流动比率（Liquidity）、托宾Q（Q）、股权集中度（Top）、两职合一（Dual）、所有权属性（SOE）。 具体变量定义如表1所示。

5. 描述性统计。 表1第五列和第六列报告了主要变量的描述性统计结果， 其中， 债务成本指标COD1和COD2的均值分别为0.109和0.112， 说明对于大多数企业而言， 其债务融资成本占到了总体费用的10%左右， 而其标准差分别为0.197和0.194， 说明不同企业的债务融资成本之间存在一定的差异。 数字普惠金融发展指数（DFI）的均值为5.27， 标准差为0.289， 表明我国不同省份之间的数字金融发展水平差距较大， 不同企业所处的数字金融环境不同。 而在中介变量和控制变量方面， 投融资期限错配（SLFI）、金融多样性（Diversity）、企业规模（Size）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。

（三）模型设定

1. 主效应回归模型。 本文采用如下基本回归模型检验H1：

CODi，t=β0+β1DFIj，t+γControlsi，t-1+Year+

Industry+εi，t   （1）

其中： 下标i、j、t表示公司i、城市j与年度t; ε表示随机扰动项; 被解释变量COD表示上市公司债务融资成本情况， 本文分别对被解释变量组中的COD1、COD2这两个指标进行回归; 解释变量DFI为数字普惠金融发展指数。 根据H1， 本文预期主效应回归的系数β1显著为负， 即数字普惠金融发展显著降低企业债务融资成本。

2. 中介效应模型。 為了检验数字普惠金融发展对上市公司债务融资成本产生影响的可能的路径机制， 本文引入Sobel中介效应检验方法， 使用三步法设定中介效应的检验模型： 首先， 构建路径A， 即基于式（1）， 在不添加中介变量的情况下， 观察系数β1， 检验数字普惠金融发展指数对上市公司债务融资成本的影响情况; 其次， 构建路径B， 即观察数字普惠金融发展指数对中介变量的回归估计系数λ1; 最后， 构建路径C， 即在加入中介变量的回归中， 同时考察数字普惠金融发展指数和中介变量对上市公司债务融资成本的影响， 即观察系数δ1和δ2。 本文设计的中介效应的检验模型路径B和路径C分别如下：

Mediatori，t=λ0+λ1DFIj，t+φControlsi，t-1+Year+Industry+θi，t   （2）

CODi，t=δ0+δ1DFIj，t+δ2Mediatori，t+

τControlsi，t-1+Year+Industry+ξi，t        （3）

其中， 本文的中介变量（Mediator）包括城市银行业结构和企业债务结构两个维度， 前者由城市级别的金融多样性（Diversity）来衡量， 后者由企业投融资期限错配（SLFI）来衡量。

基于式（2）和式（3）的回归结果， 当路径A中的回归系数β1显著， 路径B中的回归系数λ1显著， 路径C中的回归系数δ1显著、δ2不再显著， 且Sobel检验的Z值统计上具有显著性时， 中介变量具有完全中介效应; 当路径C中的回归系数δ1明显小于路径A中的系数β1， 且Sobel检验的Z值在统计上显著时， 中介变量具有部分中介效应。

四、实证结果与分析

（一）基准模型计量结果与分析

本文采用式（1）研究数字普惠金融发展对企业债务融资成本的影响， 被解释变量为用两种方法计算的企业债务融资成本COD1和COD2， 核心解释变量为城市级别的数字普惠金融发展指数， 本文控制了企业规模、成长性、收益和负债情况、治理情况等变量， 且为了在一定程度上消除内生性影响， 对所有控制变量做滞后一期处理， 并在所有回归中控制了年度和行业固定效应以增强结果的稳健性。 表2第（1）和（2）列报告了基准模型回归结果， 其中数字普惠金融发展指数对债务融资成本COD1和COD2的估计系数为-0.090和-0.092， 且均在1%的水平上显著， 这表明数字普惠金融发展能够显著降低企业债务融资成本， 且在一定程度上缓解了企业融资贵的问题， 与预期结果相一致。

（二）稳健性检验

1. 工具变量回归。 在检验数字普惠金融发展对企业债务融资成本的影响时， 考虑到可能存在逆向因果内生性问题， 本文采用工具变量法进行估计。 参照谢绚丽等[19] 的工具变量构造法， 以互联网普及率作为工具变量， 削弱双向因果问题带来的影响。 工具变量回归检验的结果如表2第（3）、（4）列所示。 在对工具变量的检验中， Kleibergen-Paap rk LM统计量和Cragg-Donald Wald F统计量在1%和5%的水平上分别显著拒绝弱工具变量和工具变量识别不足的假设， 工具变量构建有效。 在IV-OLS估计中， 数字普惠金融发展指数对企业债务融资成本的回归估计系数仍小于0， 且在1%的水平上显著， 说明在使用工具变量后基准回归的结论依然十分稳健， 表明随着数字金融服务促进普惠金融的发展， 企业可以获得更低成本的债务融资， H1成立。

2. 剔除中心城市。 本文样本中包括了普通地级市、副省级城市和直辖市， 不同层级城市经济发展速度差距较大， 未排除副省级和直辖市超前发展可能带来的内生影响。 本文剔除了所有直辖市和副省级城市的企业样本， 仅保留企业所在地为普通地级市的样本重新进行回归， 结果表明数字普惠金融发展指数仍然显著降低企业债务融资成本。 这在证明本文结论稳健的同时， 也在一定程度上反映了数字普惠金融的普惠性。

五、中介机制分析

（一）金融多样性

已有文献表明， 银行业的竞争程度提高会显著缓解工业企业的融资约束[20] ， 而在数字普惠金融的推动下， 银行机构网点的数量提升， 业务的辐射范围扩大， 彼此间的竞争加剧， 所以可能存在数字普惠金融的发展导致银行间竞争加剧进而使得企业融资成本下降的中介机制。 本文用银行业赫芬达尔系数的倒数构建金融多样性指标以衡量银行业的竞争程度， 检验金融多样性对数字普惠金融发展影响企业债务融资成本是否具有中介效应。 式（2）和式（3）构建了数字普惠金融发展影响企业债务融资成本的完整机制链条， 对两种债务融资成本的估计结果见表3。 第（1）、（3）列验证了数字普惠金融发展对金融多样性的影响， 数字普惠金融发展指数对金融多样性的估计系数在1%的水平上显著为正， 说明随着数字普惠金融的发展， 各城市银行支行数量增多， 竞争加剧。 第（2）、（4）列中数字普惠金融发展指数和金融多样性对债务融资成本指标1、2的估计系数均显著为负， Sobel检验Z值至少在10%的水平上显著， 说明银行业竞争的中介机制确实存在， 数字普惠金融的发展改变了银行业竞争结构， 促使其在争取优质贷款用户时的竞争加剧， 降低了企业债务融资成本。 但由于数字普惠金融发展指数的系数仍在1%的水平上显著， 此中介机制检验仅解释了部分作用， 说明还存在其他影响渠道。

（二）投融资期限错配

本文还对我国企业普遍存在的投融资期限错配现象提出了另一机制假设， 探讨数字普惠金融发展是否会通过抑制企业投融资期限错配降低企业债务融资成本。 回归结果见表4， 两种债务融资成本的估计结果显示， 数字普惠金融对投融资期限错配的回归系数为-0.023且在10%的水平上显著， 而投融资期限錯配对债务融资成本的估计系数为0.085且在1%的水平上显著， 说明数字普惠金融的发展确实会抑制企业投融资期限错配的情况， 提高企业资金使用效率， 减少其对短期债务融资的依赖， 进而降低债务融资成本。

六、拓展性检验： 异质性分析

（一）普惠金融的普惠性

近年来， 我国在运用数字技术发展普惠金融方面走在世界前列， 数字金融改变了传统金融“不接地气”的格局， 无论身处何地， 只要有移动网络即可享受同样的金融服务， 可以说其最大的价值就是普惠性， 但这种普惠性也平等地落实到企业上了吗？ 本文从两个方面对此问题进行进一步研究。

首先， 依据样本企业托宾Q的年度均值， 将样本企业分为高成长性组和低成长性组， 并考察在分组回归中数字普惠金融发展的系数， 检验结果如表5所示。 可见， 数字普惠金融对高成长性和低成长性企业的两种债务融资成本的估计系数均显著为负， 但对高成长性企业的估计系数明显更小， 说明数字普惠金融可普遍性地降低企业融资成本， 但对低成长性企业效用更强， 即更多地惠及了传统金融服务中的长尾用户。

其次， 科技是社会发展的主要推动力， 各国都以推动科学技术的发展为重点引领新一轮经济增长。 我国科技企业为提升我国的国际竞争力做出了巨大的贡献， 然而高科技企业因为资金投入时间长、产出风险大、资金需求大等特点一直面临融资困境。 鉴于此， 本文依据《上市公司行业分类指引（2012年修订）》的行业分类标准， 将制造业、信息传输、软件和信息技术服务业、科学研究和技术服务业三类行业企业纳入高科技企业组， 其他行业企业纳入非高科技企业组， 并分别使用基准回归模型进行分组回归， 回归结果如表6所示。

结果表明， 数字普惠金融发展对高科技企业和非高科技企业的两种债务融资成本的回归结果均显著， 但对高科技企业的估计系数明显更大， 说明随着数字普惠金融拓宽了银行获取企业信息的渠道， 高科技企业的优质项目可以更好地被识别， 从而债务融资成本下降。

（二）外部环境

如前文所述， 企业层面的数字普惠金融实施依靠市场化的商业行为， 由于我国地区金融发展水平有较大差异， 且不同地区不同的金融发展水平将显著影响企业的信贷利率[21] ， 所以数字普惠金融发展对企业债务融资成本的影响也可能存在地区异质性。 本文根据王小鲁等[22] 编制的《中国分省份市场化指数报告（2018）》， 以市场化进程总指数的年度中值为标准， 将上市公司所在省市划分为高市场化程度和低市场化程度两组， 分别使用基准模型进行回归， 结果如表7所示。

可见， 数字普惠金融发展对高市场化程度样本和低市场化程度样本的债务融资成本的估计系数均显著为负， 且市场化程度较低地区的企业回归估计系数更小， 说明市场化水平也在一定程度上影响了数字普惠金融发展的效果。

（三）债务期限结构

企业的债务期限结构取决于资本市场资金供求双方（投资者和企业）市场力量的博弈[23] ， 而企业债务期限结构的变化会影响企业投融资行为、财务风险等， 因此债务期限结构是外部金融结构变化对企业产生影响的直接路径。 本文还从短期债务占长短期债务合计的比例区分依赖短期债务的企业和依赖长期债务的企业， 分别使用基准模型进行回归， 回归结果如表8所示。

结果表明， 对依赖不同期限债务的企业而言， 数字普惠金融发展都显著降低其债务融资成本， 但上述作用对于依赖长期借款的企业而言更小。 可能有两方面解释： 首先， 可以获得较多长期贷款的企业本身在银行授信度高， 在长期借款方面成本已经较低， 贷款成本下降空间不足; 其次， 出于风险控制考虑， 银行偏好于短期贷款， 在普惠金融贷款供给增多的情况下， 依赖短期贷款的企业可优先获得更低成本的贷款。

七、研究结论与政策启示

本文利用2011 ～ 2018年A股资本市场上市公司以及北京大学数字普惠金融发展指数的相关数据， 实证检验了数字普惠金融发展对于上市公司债务融资成本的影响， 及其中可能存在的中介机制。 相关实证研究发现： 首先， 数字普惠金融的发展与上市公司债务融资成本之间存在显著的负相关关系， 城市级别的数字普惠金融发展水平越高， 该地区企业的债务融资成本越低， 且在使用省级互联网普及程度作为工具变量时该结果保持稳健。 该发现验证了数字普惠金融发展对于金融工具赋能实体经济、降低企业债务融资负担的切实效果。 其次， 本文进一步通过中介效应检验， 发现数字普惠金融发展对上市公司债务融资成本的负向影响是通过增强城市银行业竞争和降低上市公司投融资期限错配程度实现的。 最后， 数字普惠金融发展对上市公司债务融资成本具有显著的异质性影响， 且上述作用对于低成长性企业、高科技企业以及债务结构偏短期的企业而言更强， 这与中介机制检验的结果共同表明： 一方面， 数字普惠金融的发展使得长期资金的供给更加稳定、价格更加合理， 显著缓解了企业长期资金缺乏、被迫使用短期资金进行长期投资的窘境， 进而降低资金成本; 另一方面， 数字普惠金融的发展有利于金融结构和银行业结构的优化， 使其与实体经济发展结构更加匹配， 从而充分释放金融要素禀赋对经济发展的促进作用。

立足于我国资本市场和数字普惠金融发展的实际情况， 本文提出如下三点政策启示： 第一， 继续大力推进依托于数字基础设施建设的数字普惠金融发展， 增强我国资本市场的金融科技实力， 增强资方的信息搜集、信息匹配能力， 不断优化资本市场与企业间的信息配置， 缓解由信息不对称所带来的企业债务融资成本高昂问题; 第二， 重视金融结构改变， 包括银行业结构和企业投融资结构改变对降低企业债务融资成本的作用， 进一步加大金融市场的开放力度和竞争程度， 尤其要在合理监管的同时， 发挥中小银行和中介机构的作用， 打破大型商业银行的垄断， 充分释放资本市场活力， 让金融要素禀赋的源泉充分涌流; 第三， 在推进数字普惠金融发展的同时， 需要重视其影响中存在的异质性， 进一步支持数字普惠金融向中小企业、民营企业倾斜， 校正现有金融体系的融资偏好， 从而使融资的成本更加公平、合理， 使数字普惠金融具备真正意义上的普惠性。

【 主 要 参 考 文 献 】

[1] 林毅夫，孙希芳.银行业结构与经济增长[ J].经济研究，2008（9）：31 ～ 45.

[2] 万佳彧，周勤，肖义.数字金融、融资约束与企业创新[ J].经济评论，2020（1）：71 ～ 83.

[3] 滕磊.数字普惠金融缓解中小企业融资约束的机制与路径[ J].调研世界，2020（9）：27 ～ 35.

[4] 梁榜，张建华.数字普惠金融发展能激励创新吗？——来自中国城市和中小企业的证据[ J].当代经济科学，2019（9）：74 ～ 86.

[5] 李广子，刘力.债务融资成本与民营信贷歧视[ J].金融研究，2009（12）：137 ～ 150.

[6] 肖忠意，林琳.企业金融化、生命周期与持续性创新——基于行业分类的实证研究[ J].财经研究，2019（8）：43 ～ 57.

[7] Sattar A.， William F.， Darius P.. Analyst forecast characteristics and the cost of debt[ J].Review of Accounting Study，2011（16）：116 ～ 142.

[8] Charlene P.， Leo L.， Joseph H.. Accounting quality， debt covenant design， and the cost of debt[ J].Review of Quantitative Finance and Accounting，2016（47）：1271 ～ 1302.

[9] Minnis M.. The value of financial statement verification in debt financing： Evidence from private U.S. firms[ J].Journal of Accounting Research，2011（2）：457 ～ 506.

[10] 林毅夫，姜烨.经济结构、银行业结构与经济发展——基于分省面板数据的实证分析[ J].金融研究，2006（1）：7 ～ 22.

[11] 姚耀军，董钢锋.中小银行发展与中小企业融资约束——新结构经济学最优金融结构理论视角下的经验研究[ J].财经研究，2014（1）：105 ～ 115.

[12] 刘晓光，苟琴.银行业结构对中小企业融资的影响[ J].经济理论与经济管理，2016（6）：58 ～ 71.

[13] 姜付秀，蔡文婧，蔡欣妮，李行天.银行竞争的微观效应：来自融资约束的经验证据[ J].经济研究，2019（6）：72 ～ 88.

[14] Kahl M.，Shivdasani A.，Wang Y.. Short-term debt as bridge financing： Evidence from the commercial paper market[ J].Journal of Finance，2015（1）：211 ～ 255.

[15] 鐘凯，程小可，张伟华.货币政策适度水平与企业“短贷长投”之谜[ J].管理世界，2016（3）：87 ～ 98.

[16] 郭峰，王靖一，王芳，孔涛，张勋，程志云.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（19）：1401 ～ 1418.

[17] 肖忠意，林琳，陈志英，许定宝.财务柔性能力与中国上市公司持续性创新——兼论协调创新效应与自适应效应[ J].统计研究，2019（5）：82 ～ 93.

[18] 魏志华，王贞洁，吴育辉，李常青.金融生态环境、审计意见与债务融资成本[ J].审计研究，2012（3）：98 ～ 105.

[19] 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.

[20] 方芳，蔡卫星.银行业竞争与企业成长：来自工业企业的经验证据[ J].管理世界，2016（7）：63 ～ 75.

[21] 杨昌辉，张可莉.利率市场化、区域金融发展与企业融资成本[ J].财会月刊，2018（2）：155 ～ 162.

[22] 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.

[23] 向古月，周先平，刘仁芳.经济政策不确定性、债务短期化与财务脆弱性[ J].统计与决策，2020（20）：131 ～ 135.