数字金融与银行贷款合约

刘程

关键词：数字金融;银行贷款;贷款合约;异质性分析

一、引言

近年来，以人工智能、区块链、云计算和大数据（简称“ABCD”技术）为代表的新一代信息通信技术迅猛发展，并且深刻渗透、广泛应用到包括金融在内的人类经济社会活动中，创造出一系列新的商业模式，产生许多新模式、新业态和新产品，从而对宏观金融市场、微观中介及服务的提供方式产生深刻而显著的效应。这些驱动新一轮金融创新浪潮的新一代信息通信技术，一般简称为“数字技术（Digital Technology）或金融科技（FinTech）”（房汉廷，2013）。我国政府高度重视金融科技的发展，中国人民银行特别指出，要充分发挥数字技术的赋能作用，推动我国金融业高质量发展。因此，如何客观地定量评估数字金融的经济效应及其对金融市场资源配置效率的影响受，到了学者和业内人士的广泛关注（邹静和张宇，2021）。

尽管我国股票发行等直接融资规模发展迅速，但是以商业银行贷款为主的间接融资方式仍然占据我国金融体系的主体地位，银行贷款是企业进行经营活动过程中最主要的债务融资渠道（李广子和刘力，2020），因此，我国商业银行贷款合约制定一直都是备受金融领域学者关注的重要命题。但是从现有的研究来看，大多文献仅从信息透明度、股权结构、产业政策以及卖空机制等角度研究我国商业银行贷款合约制定的影响因素（梁上坤等，2013;余明桂和潘红波，2008;李广子和刘力，2020;褚剑等，2017;陈德球等，2013），并未关注到数字金融快速发展对我国商业银行贷款合约制定的影响。值得关注的是，当前国内传统银行体系正在面临着数字金融的巨大影响（金洪飞等，2020;邱晗等，2018）。研究发现，数字金融显著影响着我国商业银行的负债结构和资产结构，但是他们并未从银行贷款合约制定的微观视角实证研究数字金融对我国商业银行体系的影响，基于这一研究视角将有助于理解数字金融影响商业银行体系的作用机制，以及探究对不同贷款企业和银行的异质性影响。这将有助于进一步回答数字金融如何影响我国商业银行信贷资金配置效率的问题。

理论上来说，数字金融能够更全面地对海量标准化和非标准化用户数据进行挖掘，在缓解银企之间信息不对称性方面起到了重要的作用，能够降低银行面临的信息风险;数字金融通过大数据技术能够有效地对企业运营中的高频数据进行深度挖掘与分析，利用人工智能等算法，可以帮助银行二十四小时全天候掌握企业投资项目的最新进展情况、准确有效监管微观企业运行状况、减少经理人违规行为，并降低企业信用风险。同时，数字金融发展可能会加剧银行行业竞争，进而影响银行贷款决策。适度的竞争有助于改善信贷资金配置效率，但是，如果数字金融相关技术的广泛应用使得业务管理流程过度复杂化，反而可能会放大风险的冲击力，增加风险复杂化，从而引发更大的信息不对称风险、技术操作性风险、流动性风险和道德风险①，使得信用风险、法律风险等问题更加突出。以上这些信息风险和信用风险的变化，以及数字金融发展导致的过度竞争都会影响商业银行微观信贷决策，促使其改变贷款合约条款，从而势必恶化信贷资金配置效率。 所以，数字金融如何影响我国商业银行信贷资金配置效率这一问题还有待进一步的实证检验。

基于此，本文使用2011-2019 年我国上市公司新增单笔银行信贷数据，研究地区数字金融的发展对信贷资金配置效率的影响。实证研究发现，我国地区数字金融的发展有助于改善商业银行信贷资金配置效率。具体而言，随着地区数字金融的发展，银行倾向于向标的公司发放数额更大以及贷款期限更长的贷款，同时这些贷款的利率更低，贷款担保要求更为宽松。作用机制检验发现，数字金融的发展主要通过改善信息不对称和促进银行竞争的作用机制，从而影响商业银行贷款合约的制定。异质性分析表明，中小银行的贷款合约制定受数字金融的影响较大，数字金融对银行贷款合约制定的作用在民营企业、高科技行业和制度环境较差地区表现得更为明显。最后还发现，数字金融能够通过影响银行贷款合约制定的渠道，进而显著改善上市公司投资不足程度，这说明数字金融发展有助于提高信贷资金配置效率，即数字金融有利于充分发挥银行体系服务实体经济的职能。本文从银行贷款合约制定的研究视角丰富了数字金融经济效应的相关研究，并为我国商业银行体系如何更好地服務实体经济提供了理论依据和政策参考。

本文可能的创新之处主要包括以下几点：

第一，本文从商业银行贷款合约制定的独特角度实证研究了地区数字金融发展程度对信贷资金配置效率的影响。数字金融的经济效应问题备受人们关注，但据我们所知，数字金融影响银行微观贷款合约制定的相关研究暂时处于匮乏阶段。已有文献多从宏观经济、企业经营决策以及个人决策等视角研究数字金融的经济效应问题，而目前关于数字金融对商业银行经营活动影响的实证研究，主要基于银行数据展开。与大多经济学实证研究文献关注数字金融影响企业经营决策、个人经济决策以及银行经营活动有所不同的是，本文主要从银行微观贷款合约制定层面，研究地区数字金融发展对我国银行体系的影响，从而为理解数字金融发挥作用的机制和内在逻辑提供了崭新的角度。

第二，本文从数字金融的角度对银行贷款合约制定进行了分析，丰富了关于我国商业银行贷款合约制定影响因素的文献。银行贷款合约制定的影响因素是金融领域的重要话题，但目前文献对数字金融与银行贷款合约制定之间的关系研究不足。已有文献主要实证研究贷款企业的外在因素和其他市场主体对银行贷款合约制定的影响，尚未考察数字金融对银行贷款合约制定的影响。

第三，本文的研究结论为金融监管当局和实务界提供了经验依据和政策参考。本文结论表明，持续推进数字金融更加有助于缓解我国中小企业和高科技企业的融资约束，以及银行贷款的所有制歧视，从而为大力发展数字金融、助力提高金融服务实体经济能力及实现创新驱动发展战略，提供经验依据和政策建议。

接下来的文章结构安排如下：第二部分是文献简述、理论分析与研究假设;第三部分内容主要是对研究设计与样本来源做出说明;第四部分是实证结果与分析;第五部分为异质性分析;第六部分为文章主要结论与政策建议。

二、文献简述、理论分析与研究假设

与本文的研究比较密切的文献，主要包括以下两大方面：

一方面的文献围绕数字金融经济效应的研究而展开，这类文献主要可以分为数字金融对宏观经济的影响和数字金融对微观经济主体的影响。宏观经济经济效应方面的文献主要研究数字金融对经济增长、地区全要素生产率、高质量发展、产业结构升级、就业结构方面的影响（刘文丽等，2014;邱子迅和周亚虹，2021;巴曙松等，2020;汪淑娟和谷慎，2021;杜金岷等，2020;杨骁等，2020）。微观经济经济效应方面的文献主要研究数字金融对企业创新、投资效率、生产率等企业经营活动的影响（李春涛等，2020;唐松等，2020;王娟和朱卫未，2020;师俊国等，2016;唐松等，2019），或数字金融对消费、创业、金融需求等个人决策的影响（易行健和周利，2018;张勋等，2020;何宗樾和宋旭光，2020;谢绚丽等，2018;何婧和李庆海，2019;傅秋子和黄益平，2018），以及数字金融对银行经营效率、风险、资产负债业务等银行经营方面的影响（沈悦和郭品，2015;李学峰和杨盼盼，2021;刘孟飞和蒋维，2020;金洪飞等，2020;邱晗等，2018;郭品和沈悦，2015）。据我们所知，数字金融影响银行微观贷款合约制定的相关研究暂时处于匮乏阶段。

另一方面，与本文密切相关的文献是关于银行贷款合约制定或信贷决策的影响因素，这些文献主要研究信息透明度、股权结构、内部控制、税收规避、政治关系、产业政策、卖空机制、CEO过度自信、审计意见、证券分析师等方面对银行贷款合约制定的影响（梁上坤等，2013;赵刚等，2014;Bharath et al.，2008;Lin et al.，2011;Kim et al.，2011;余明桂和潘红波，2008;李广子和刘力，2020;褚剑等，2017;陈德球等，2013;Lin et al.，2020;Chen et al.，2016;Francis etal.，2021）。综上可知，以往文献并未考虑数字金融对银行贷款合约制定或信贷决策的影响。

（二）理论分析与研究假设

银行贷款合约制定问题，一直以来备受金融领域学者和实务界人士以及公司高管的高度关注。银行信贷决策主要考虑贷款所面临的信贷风险，主要包括信息风险和信用风险两个维度（Chen etal.，2016;褚剑等，2017）。基于此，本文认为地区数字金融的发展能够从以下几个方面对银行贷款合约制定产生重要影响：

第一，数字金融帮助缓解商业银行贷款中的信息不对称问题。Stiglitz and Weiss（1981）指出信息不对称问题一直是商业银行贷款面临的重大难题。数字金融能够更全面地对海量标准化和非标准化用户数据进行挖掘，在缓解银企之间信息不对称方面起到了重要的作用，能够降低银行面临的信息风险（Lin et al.，2013;Huang et al.，2018）。数字金融能够帮助降低银行信息搜集处理成本（Gomber et al.，2018），比如大数据和人工智能等技术能够帮助商业银行提升信息获取、处理及应用能力，切实有效缓解银行放款过程中面临的信息不对称问题，有助于甄别“好企业”与“坏企业”，从而制定合理的风险溢价。王馨（2015）认为数字金融能够帮助银行获取更多客户信息，有利于银行提高对小微企业信贷的供给。同时，基于大数据、人工智能的审贷方法，也降低了人为干预，减少了贷款审批过程中的寻租空间，从而降低了融资成本（Huang et al.，2018;Fusteret al.，2019;李春涛等，2020）。所以本文认为，地区数字金融的发展能够通过降低银行信息风险的方式，对银行贷款合约制定产生重要影响。

第二，地区数字金融的发展有助于加强银行对信用风险的管理，提高商业银行对信贷风险的评估能力。数字金融通过大数据技术能够有效地对企业运营中的高频数据进行深度挖掘与分析，利用人工智能等算法，可以帮助银行二十四小时全天候掌握企业投资项目的最新进展、准确有效监管微观企业运行状况、减少经理人违规行为倾向，可以有效改善商业银行的风险控制能力，并显著降低银行面临的企业信用风险。同时，数字金融提高了银行机构的风险管控水平，从而为银行创新金融产品提供技术保障（Gomber et al.，2018;郭峰等，2017），有助于增强金融普惠性和擴展金融服务的边界，提升金融服务实体经济的能力，从而优化信贷资金配置效率。数字金融发展帮助降低银行信贷决策面临的信用风险，而在面对信用风险的变化时，商业银行会对原有信贷契约的贷款数额、利率以及担保要求等方面做出相应的调整。

第三，数字金融也可能通过加剧竞争来影响银行贷款决策。数字金融的发展一定程度上会加剧银行行业竞争，这可能会提高银行的风险承担水平。目前我国银行外部经营环境的变化主要来自于竞争的迅速加剧。一方面，数字金融公司引发的金融体系冲击，导致银行资金成本被推高，商业银行更难从存款市场获取低价稳定的资金，引发对存款市场的竞争加剧;另一方面，数字金融发展对传统商业银行具有“鲶鱼效应”，使得银行更难在贷款市场获取超额收益，从而加剧了贷款市场的竞争（孙旭然等，2020）。进一步地，银行竞争所导致的客户争夺与业绩压力，银行有很强的动机搜集和挖掘企业信息，从而降低了银行与企业之间的信息不对称程度，进而缓解了企业所面临的融资约束（Rice and Strahan，2010;Fraisse et al.，2018;姜付秀等，2019;李志生等，2020）。刘孟飞和蒋维（2020）发现，数字金融发展给我国商业银行带来了明显的成本压力。

这可能导致，银行在利润目标驱使下提高贷款的规模偏好与风险偏好。邱晗等（2018）发现，数字金融的发展使得大量资金从存款市场流向银行间市场，通过影响银行获取资金途径，促使其风险承担偏好上升。盛天翔和范从来（2020）发现，数字金融的发展促使银行业竞争环境的改变，这通过优化银行市场结构，有助于促进我国商业银行对中小微企业的信贷供给，从而改善信贷资金配置效率。因此，数字金融可能通过加剧银行业竞争，使得银行对于信贷合约条款做出理性的调整，为保持市场占有率，那么银行可行的信贷策略就是增加贷款金额和延长贷款期限、降低贷款利率和贷款担保要求。

此外，数字金融相关技术的广泛应用会使得业务管理流程过度复杂化，反而可能会加剧银行贷款中的信息不对称风险、技术操作性风险，使得信用风险、法律风险等问题更加突出，这会加剧银行惜贷慎贷倾向。

综上所述，本文提出如下互为竞争的研究假设：

研究假设1a：地区数字金融发展对银行贷款合约制定具有积极影响，使得银行对标的公司提高贷款金额和延长贷款期限、降低贷款利率和贷款担保要求。

研究假设1b：地区数字金融发展对银行贷款合约制定具有消极影响，使得银行对标的公司降低贷款金额和缩短贷款期限、提高贷款利率和贷款担保要求。

三、研究设计与样本来源

（一）研究设计

为了检验我国地区数字金融发展与银行贷款合约制定之间的关系，本文建立以下实证模型：

借鉴现有文献的衡量方法（Chen et al.，2016;褚剑等，2017），本文基于以下这四个维度来反映银行贷款合约条款的调整（bankloan），这些条款具体包括贷款利率（rate）这一价格条款以及贷款金额（lnbankloan）、贷款期限（lnterm）、贷款担保（collateral）这些非价格条款，其中具体变量定义如下：贷款金额，用银行贷款金额（以百万元为单位）的自然对数来表示;贷款期限，用银行贷款期限（天数）的自然对数来表示;贷款利率，用银行贷款利率（以%为单位）来表示;贷款担保，用是否需要担保的虚拟变量来表示，如果这一笔贷款要求担保则取1，否则取0。

本文重点关注的核心解释变量为地区数字金融发展程度指数（DigiFin），具体参考郭峰等（2020）、谢绚丽等（2018）、邱晗等（2019）以及唐松等（2020）学者们的做法。本文采用北大数字金融研究中心编制的地级市层面中国数字普惠金融指数作为数字金融发展程度的代理指标，并对该指数进行了对数化处理。为了尽可能缓解反向因果关系导致的内生性问题，在实际估计中取滞后一期变量。

參考目前实证研究文献的建模思路（Graham et al.，2008;梁上坤等，2013;赵刚等，2014;褚剑等，2017），本文在回归中考虑如下公司层面的控制变量：公司资产规模（lnsize），由公司总资产合计的自然对数来表示;上市年龄（lnage），由该年为止的上市年数加1 的自然对数来表示;财务杠杆（lev），由总负债与总资产之比来表示;总资产收益率（roa），由本年度的净利润与上年度的总资产合计的比值来表示;公司未来增长潜力，用公司股票市值与账面所有者权益比（q）表示，具体由市值与账面股东权益之比来衡量;有形资产比例（tangibility），由固定资产与总资产之比来表示;现金波动（lncashvol），由经营现金净流量的波动率来表示;第一大股东持股比例情况（largest），由第一大股东持股数与公司流通总股数之比来表示;国企性质（soe），若实际控制人为政府时取1，否则取0;贷款银行性质（bank4），若是中国银行、中国农业银行、中国工商银行、中国建设银行这四大行时取1，否则取0。此外，我们在模型中加入以下地区层面的控制变量：经济增长（lngrowth），由地区经济增长率的对数来衡量;地区经济发展程度（lngdp_per），由人均国内生产总值的对数来衡量;金融发展程度（finance），由地区年末贷款余额与国内生产总值之比来衡量;地方财政支出（fiscal），由一般公共预算支出占国内生产总值的比重来衡量。最后在模型中还控制了行业和年度哑变量。

（二）样本来源

与Kim et al.（2011）、梁上坤等（2013）以及褚剑等（2017）类似的是，本文选择2011-2019年我国商业银行向非金融类上市公司新增发放的54 119 笔贷款作为实证研究的观测样本①，其中部分贷款期限、利率或担保要求条款缺失。本文使用的上市公司新增单笔银行信贷数据主要来自国泰安数据库和上市公司董事会公告。另外，上市公司和银行层面财务数据均来自国泰安数据库，地区层面数据来自历年中国城市统计年鉴和中经网统计数据库。

表1 报告了本文部分变量的描述性统计。从中可以发现，观测样本中贷款金额的自然对数（lnbankloan）均值为4.813，即单笔贷款的平均金额约为123.100 百万元;贷款期限的自然对数（lnterm）均值为6.134，即单笔贷款的平均期限为461.278 天;贷款利率（rate）平均值为6.454%，平均有52.7%的上市公司银行贷款被要求提供担保，数据特征基本与褚剑等（2017）保持相似。

四、实证结果与分析

（一）基准回归结果与分析

表2 报告了地区数字金融发展与商业银行信贷决策的实证回归结果。表中本文关注的变量DigiFint-1 在各列中的系数都具有统计显著性。具体来看，当地数字金融的发展有助于提高上市公司的贷款金额和贷款期限，而有助于降低贷款利率和贷款担保要求。这一回归结果表明，地区数字金融发展对银行贷款合约制定具有显著的积极影响。研究假设1a 得到支持。

（二）稳健性检验

出于确保实证回归结果的可靠性以及准确性的考虑，本文在基准回归的基础上，还进行了以下几个方面的稳健性检验：

1. 地区遗漏变量的影响。为控制地区遗漏变量的影响，我们在公式（1）的基础上考虑地区固定效应①，表3 报告了这一回归结果。由结果可知，研究假设1a 依然成立。

2. 反向因果问题。参考谢绚丽等（2018）学者的工具变量的选取方法，我们选择我国各省份互联网普及率这一指标作为地区数字金融发展指数的工具变量，表4 是两阶段工具变量法的回归结果。从第一阶段的实证结果来看，本文选择的工具变量与地区数字金融发展指数存在较强的相关关系，符合工具变量的选取标准;在采用工具变量法减轻内生性问题后，第二阶段的回归结果基本与基准回归结果保持一致。

3. 自选择的影响。因为我国并未强制要求上市公司必须披露其银行贷款信息，所以这可能会导致严重的自选择问题，从而影响回归结果的可靠性。为了缓解这一问题，本文参考梁上坤等（2013）以及褚剑等（2017）学者的处理方法，采用Heckman 模型估计方法，该方法的基本思路是：首先通过构建公司是否进行银行贷款信息披露的影响因素模型作为第一阶段模型，由此计算出IMR 比率（Inverse Mills Ratio）;然后把IMR 比率加入到基准模型中，以此重新进行检验。在控制了自选择问题导致的偏差后，该实证结果仍与本文结论一致（见表5）。

4. 数字金融指标度量偏误的问题。北大数字普惠金融指数由覆盖广度（coverage）、使用深度（usage）、数字支持服务程度（digiti）三个维度的细分指标构建而成。其中数字支持服务程度刻画了地区数字金融的交易成本和效率，便利性和成本是企业获得金融服务的关键因素，会对银行贷款合同产生直接影响。所以为了避免数字普惠金融指数的衡量偏误，本文采用数字支持服务程度（digiti）这一细分指标来替代，重新进行回归估计，表6 列示了这一结果。该实证结果仍与本文结论一致。

（三）作用机制检验

在前述研究中，尽管基本可以确证数字金融对于银行贷款合约制定的积极作用，但值得进一步追问的是：数字金融影响银行贷款合约制定的机制是什么？正如前文理论分析部分我们所阐述的，数字金融影响银行贷款合约制定的机制可能包括以下三个：地区金融科技发展能够缓解银企之间面临的信息不对称问题（或降低信息风险）、防范信用风险，以及加剧银行市场的竞争程度。因此，我们从以下三个方面验证这三个机制：

1. 信息风险机制检验

如果数字金融是通过缓解银企之间面临的信息不对称问题从而影响银行贷款合约制定，那么对于那些信息不对称程度较高的上市公司而言，数字金融可以帮助银行提升对这些借款公司的信息获取能力，而对那些信息不对称程度较低的上市公司的信息获取影响不大。因此，在实证中我们考虑信息不对称程度对数字金融与银行贷款合约制定之间关系的影响。

具體而言，为了验证这个机制，沿用我们之前的模型，加入应计盈余管理指标（DA）来衡量信息不对称程度，该指标一般用于衡量企业财务信息披露质量程度（陈运森和黄健峤，2019），DA 数值越大表明该企业信息披露质量越差，这就意味着企业的信息不对称程度越高，并用地区数字金融发展指数与盈余管理程度指标的交互项来衡量数字金融发展程度和信息不对称程度之间的交互效应如何影响我国商业银行贷款合约的制定。表7 报告了这一回归结果，本文关注的交互变量DigiFint-1×DA 在所有回归中的系数均有统计显著性。具体来看，在第1-2 列中，交互变量DigiFint-1×DA 显著为正，说明对于信息不对称程度越高的上市公司样本而言，地区数字金融发展对商业银行贷款金额和贷款期限的增加量越大;同时，在第3-4 列中，交互变量DigiFint-1×DA显著为负，说明对于信息不对称程度越高的上市公司样本而言，数字金融对银行贷款利率和贷款担保要求的降低量越大。因此，可以看到，地区数字金融的发展对信息不对称程度越高的借款公司的银行贷款合约制定具有更大的积极作用。这说明地区数字金融发展能够通过有效缓解银企之间的信息不对称问题，对我国商业银行贷款合约的制定产生显著的积极作用，即信息风险机制成立。

2. 信用风险机制检验

如果地区数字金融发展能够通过降低信用风险从而影响商业银行贷款合约的制定，那么对于那些信用风险越大的上市公司而言，数字金融的发展可以帮助商业银行提升对这些公司的风险控制能力，而对那些信用风险较低的上市公司的风险控制能力影响应该不大。因此，在实证中我们考虑信用风险对数字金融与商业银行贷款合约制定之间关系的影响。

具体而言，为了验证这个机制，在本文基准模型设定的基础之上，加入公司是否违规的虚拟变量（Fraud）来衡量信用风险，当该指标为1 时，表示公司存在违规行为，这说明信用风险较高;当该指标为0 时，表示公司不存在违规行为，这说明信用风险相对较低，并用数字金融指数与该虚拟变量的交互项来着重刻画数字金融发展程度如何影响银行对不同信用风险企业贷款合约的制定。表8 报告了这一实证结果。核心解释变量DigiFint-1 在所有列中的系数均具有显著性，但在这里，本文关注的交互变量DigiFint-1×Fraud 在所有列中的系数都不具有显著性。因此，可以看到数字金融对信用风险不同的上市公司的银行贷款合约制定不具有显著影响。这说明本文回归结果未能验证信用风险机制的成立。

3. 银行竞争机制检验

如果数字金融是通过加剧银行竞争而影响银行贷款合约制定，那么在那些银行竞争较小的地区，数字金融对商业银行贷款合约的制定影响程度应该更大，而对那些银行竞争程度较大地区的影响应该越小。因此，在实证中我们考虑银行竞争程度大小对数字金融与银行贷款合约制定之间关系的影响。

具体而言，为了验证这个机制，在沿用本文之前的基准模型的基础上，加入是否前四大银行分支机构占比较高地区的虚拟变量High_HHI 来衡量银行竞争程度，当该指标为1 时，表示该地区前四大银行分支机构占比高于中位数，这说明银行竞争程度较小;当该指标为0 时，表示该地区前四大银行分支机构占比低于中位数，这说明银行竞争程度较大，并用数字金融指数与该虚拟变量的交互项来着重刻画数字金融发展程度如何影响银行对不同银行竞争程度地区贷款合约的制定。表9 报告了这一回归结果。本文关注的交互变量DigiFint-1×High_HHI 在所有回归中的系数均有统计显著性。具体来看，在第1-2 列中，交互变量DigiFint-1×High_HHI 显著为正，说明对于银行竞争程度较小的地区，数字金融对银行贷款金额和贷款期限的增加量越大;同时，在第3-4 列中，模型中的交互变量DigiFint-1×High_HHI 显著为负，这说明对于银行竞争程度较小地区的上市公司，数字金融对银行贷款利率和贷款担保要求的降低量越大。因此，可以看到数字金融对银行竞争程度较小地区的上市公司的银行贷款合约制定具有更大的积极作用。这说明地区数字金融发展能够通过促进银行行业内的竞争程度，从而对我国商业银行贷款合约的制定产生显著的积极作用。这说明银行竞争机制成立。

五、异质性分析

（一）银行特征

为了考察数字金融对中小商业银行贷款合约制定的影响，沿用我们之前的模型，加入是否中小商业银行的虚拟变量bank_small，当该指标为1 时，表示贷款银行是中小银行，否则就是大型银行，并用数字金融指数与该虚拟变量的交互项来着重刻画数字金融发展程度如何影响中小商业银行贷款合约的制定。表10 报告了这一回归结果。本文关注的交互变量DigiFint-1×bank_small在所有回归中的系数均有统计显著性。具体来看，在第1-2 列中，交互变量DigiFint-1×bank_small显著为正，说明数字金融对中小银行贷款金额和贷款期限的增加量更大;同时，在第3-4 列中，模型中的交互变量DigiFint-1×bank_small 显著为负，这说明数字金融对中小银行贷款利率和贷款担保要求的降低量更大。因此，可以看到数字金融对中小商业银行贷款合约的制定具有更大的积极作用。

（二）产权属性

为了考察数字金融对不同产权性质企业的银行贷款合约制定的影响，在本文基准模型设定的基础之上，加入是否国有企业的虚拟变量soe，当该指标为1 时，表示贷款企业是国有企业，否则就是民营企业，并用数字金融指数与该虚拟变量的交互项来着重刻画数字金融发展程度如何影响银行对不同产权性质企业的贷款合约的制定。表11 报告了这一回归结果。本文关注的交互变量DigiFint-1×soe 在所有回归中的系数均有统计显著性。具体来看，在第1-2 列中，交互变量DigiFint-1×soe 都为负，说明相对于国有企业而言，地区数字金融的发展使得银行对民营企业的贷款金额和贷款期限的增加量更大;同时，在第3-4 列中，交互变量DigiFint-1×soe 显著为正，说明相对于国有企业而言，地区数字金融的发展使得银行对民营企业的贷款利率和贷款担保要求的降低量更大。因此，可以看到地区数字金融发展有助于缓解银行贷款中的所有制歧视。

（三）高科技行业

为了考察数字金融对高科技行业企业的银行贷款合约制定的影响，本文借鉴黎文靖和郑曼妮（2016）、李春涛等（2020）的行业分类标准方法，即将工业中的设备制造行业和文化、办公用机械行业视作高科技行业，其余行业则视作非高科技行业，在沿用我们之前的基准模型基础上，加入是否高科技行业的虚拟变量（hightech），当该指标为1 时，表示该上市公司属于高科技行业，否则不属于高科技行业，并用地区数字金融发展指数与该虚拟变量的交互项来着重刻画数字金融发展程度如何影响银行对高科技行业企业的贷款合约的制定。表12 报告了这一回归结果。本文关注的交互变量DigiFint-1×hightech 在所有回归中的系数均有统计显著性。具体来看，在第1-2列中，交互变量DigiFint-1×hightech 都为正，说明相对于非高科技行业企业而言，数字金融发展使得银行对高科技行业企业的贷款金额和贷款期限的增加量更大;同时，在第3-4 列中，交互变量DigiFint-1×High_HHI 显著为负，说明相对于非高科技行业企业而言，数字金融发展使得银行对高科技行业企业的贷款利率和贷款担保要求的降低量更大。因此，可以看到地区数字金融发展更有助于商业银行去满足高科技行业企业的融资需求。

（四）制度环境

一般而言，贷款银行信贷决策中所面临的信用风险和信息风险与贷款企业所在地区的制度环境状况密切相关。正如褚剑等（2017）学者指出的那样，公司所在地区制度环境状况越好，那么这些企业日常经营决策活动受地方政府或官员过度干预的可能性一般较小，所以经济政策方面的不确定性程度也会比较低，由此导致衡量和评估这些公司日常经营状况的信息不确定性也相应较低，这时候商业银行信贷决策所面临的信息风险就比较小了。换个角度来说，位于制度环境较好地区的企业拥有更为便利低廉的条件通过金融市场实现融资需求，从而降低了因现金流不足导致的银行债务违约的风险，而且，即使企业发生违约，良好的法律制度环境也能够在最大程度上保障贷款银行受偿的权利，这时候商业银行所面临的信用风险一般也较小。那么可以预计的是，上文中地区数字金融发展对银行信贷决策产生的积极作用会在所处地区制度环境较差的上市公司样本中更为显著。

为了进一步考察制度环境对我国地区数字金融发展与银行贷款合约制定之间关系的影响，我们根据王小鲁等（2017）的市场化指数将样本分为制度环境较好地区和制度环境较差地区，沿用我们之前的模型，加入企业是否处于制度环境较好地区的虚拟变量gie_dummy，当该指标为1 时，表示上市公司处于制度环境较好地区，否则处于制度环境较差地区，并用数字金融指数与该虚拟变量的交互项来着重刻画数字金融发展程度如何影响银行对处于不同制度环境的企业的贷款合约的制定。表13 报告了这一回归结果。本文关注的交互变量DigiFint-1×gie_dummy 在所有回归中的系数均有统计显著性。具体来看，在第1-2 列中，交互变量DigiFint-1×gie_dummy 都为负，说明相对于处于制度环境较好地区的企业而言，数字金融发展使得银行对处于制度环境较差地区企业的贷款金额和贷款期限的增加量更大;同时，在第3-4 列中，交互变量DigiFint-1×gie_dummy显著为正，说明相对于处于制度环境较好地区的企业而言，数字金融发展使得银行对处于制度环境较差地区企业的贷款利率和贷款担保要求的降低量更大。这说明地区数字金融发展有助于弥补银行贷款中制度环境的缺陷。

六、数字金融、银行贷款合约制定与公司投资效率

前文证实了数字金融对银行贷款合约制定具有显著的积极作用，但这是不是意味着数字金融的发展有助于提高信贷资金配置效率？下面我们通过验证数字金融发展是否通过影响银行贷款合约制定，从而影响公司投资效率。具体而言，如果数字金融发展满足了过度投资企业的银行贷款需求，说明数字金融发展不利于公司投资效率改善，损害了信贷资金配置效率;反之，如果数字金融发展满足了投資不足企业的银行贷款需求，则说明数字金融发展有助于公司投资效率的改善，促进信贷资金配置效率的提高。

其中被解释变量为企业非效率投资水平，该指标参考陈运森和黄健峤（2019）对非效率投资的计算方法而得。具体而言，我们估算了公司正常的资本投资水平，然后将模型的残差绝对值作为投资效率的代理变量。具体回归模型如下：

公式（3）中因变量INV 是公司资本投资量，本文借鉴靳庆鲁等（2012）的做法，将其定义为购建固定资产、无形资产和其他长期资产所支付的现金之和与总资产之比;Q 为公司的成长机会，定义为流通股的市场价值、非流通股的账面价值和负债的总和除以总资产;LEV 为企业的资产负债率。CASH 为公司的现金持有量，定义为年末货币資金除以总资产;AGE 是公司的上市年龄，由当年与上市年份差值的自然对数计算所得;LNSIZE 为公司总资产的自然对数;RET 是公司在股票市场上的年回报率。我们使用模型（1）的残差绝对值作为衡量投资效率的代理变量（abs_e）。

lnbankloan 为企业当年所有新增单笔银行贷款的加总，数字金融发展程度指标DigiFin 定义与前文保持一致。其他控制变量具体包括公司资产规模的自然对数lnsize、资产负债率lev、上市年龄lnage、董事数量的自然对数lnboard、独立董事比例inboard、两职合一dual、管理层持股比例manhold、第一大股东持股比例top1。如果交互项DigiFin×lnbankloan 的系数显著为负，说明数字金融发展通过增加银行贷款，显著降低了企业非效率投资水平，如果模型中交互项DigiFin×lnbankloan 的回归系数显著为正，则说明地区数字金融发展通过增加银行贷款供给，显著提高了企业非效率投资水平。

表14 报告了数字金融、银行贷款合约制定与我国上市公司投资效率的模型回归结果。表中第1 列为全企业样本数据的回归结果，本文关注的交互项DigiFin×lnbankloan 的系数显著为负，说明整体而言，数字金融发展通过增加银行贷款，进而显著降低了企业非效率投资水平。第2-3列分别为投资过度公司样本和投资不足公司样本的模型回归结果，可以发现，采用投资过度企业样本估计的交互项DigiFin×lnbankloan 的系数并不具有统计显著性，而采用投资不足企业样本估计的交互项DigiFin×lnbankloan 的系数具有统计显著性，这表示数字金融发展促使银行增加对投资不足企业的贷款总额，进而提高了这些企业的投资效率。这进一步说明数字金融发展能够更好地服务于实体经济，进一步丰裕企业的可用资金，促使企业将更多的资金用于再生产活动，有利于显著提高我国上市公司投资效率。这也意味着信贷资金配置效率的改善。

七、结论与政策建议

本文利用2011-2019 年我国上市公司新增银行贷款数据，实证研究了地区数字金融发展与商业银行贷款合约制定之间的关系。实证研究发现，地区数字金融的发展有助于改善我国商业银行信贷资金配置效率。具体而言，随着地区数字金融的发展，商业银行倾向于向标的公司发放数额更大和期限更长的贷款，同时这些贷款的利率更低，贷款担保要求更为宽松。作用机制检验发现，数字金融的发展主要通过改善信息不对称和促进银行竞争的作用机制，从而影响银行贷款合约制定。异质性分析表明，中小银行的贷款合约制定受数字金融的影响较大，数字金融对银行贷款合约制定的作用在民营企业、高科技行业和制度环境较差地区表现得更为明显。最后还发现，数字金融能够通过影响银行贷款合约制定的渠道，显著改善上市公司投资不足程度，这说明数字金融发展有助于提高信贷资金配置效率，即数字金融有利于充分发挥银行体系服务实体经济的职能。本文从银行贷款合约制定的研究视角丰富了数字金融经济效应的相关研究，并为我国商业银行体系如何更好地服务实体经济提供了理论依据和政策参考。

本文具有以下重要的政策启示：第一，应当给予科技和金融深度融合政策支持，在守住风险的底线的基础上，给足“试点容错”空间，鼓励和完善配套产业发展，打好信息技术基础，依法合规破除当前数据孤岛困局，推进信息有效流动，积极推动大数据、人工智能等高端核心技术的发展，发挥科技赋能银行金融服务的作用，为服务实体经济高质量发展打下坚实基础;第二，数字金融的发展，仍然需要建立在完善和补充金融体系的基础上，尤其是针对我国以银行为主导的金融结构，传统金融机构应当拥抱数字金融，将金融资源精准下沉到实体企业中，对中小企业和高科技企业给予足够的金融支持;第三，当前金融监管体系亟须与时俱进进行变革，平衡好金融风险与支持实体经济创新发展之间的关系。