数字普惠金融与中小企业资本结构优化*

谢获宝，敬卓尔，惠丽丽

（1.武汉大学经济与管理学院，湖北 武汉 430072；2.武汉理工大学管理学院，湖北 武汉 430070）

一、引言

以云计算、大数据、人工智能、区块链等为代表的新一代信息技术与实体经济不断融合，促进了数字经济的快速发展。全方位数字化转型，正重新塑造金融机构的核心竞争力，有力地促进了金融服务的创新化、金融产品的便利化，增加了金融服务的有效供给，推动了数字普惠金融的发展。数字普惠金融利用数字技术创新了投融资金融业务模式，有助于服务更多传统金融机构难以覆盖的长尾客户，也有助于激发传统金融机构的竞争和转型升级意识，提升其服务效率与质量，创造更加包容的金融环境。党的十九大指出，要坚持创新驱动发展，坚守为民初心、切实履行服务实体经济使命，推进金融数字化高质量转型，健全适应数字经济发展的现代金融体系，为构建新发展格局、实现共同富裕贡献金融力量。发展普惠金融的目标在于共同富裕，提升共同福祉。数字普惠金融对优化金融资源配置、实现我国共同富裕的目标、促进经济协调发展具有重要作用。

近年来，我国持续深化金融供给侧改革取得了阶段性成效。但不可否认的是，中小企业由于抵押不足、信用较弱，难以有效地获得传统金融机构信贷支持，现阶段中小企业融资难、融资贵的结构性问题仍然较为突出。新冠肺炎疫情爆发以来，中小企业的生存和发展更是雪上加霜，融资约束和资本结构调整成本压力愈发严峻。2020年工信部调查显示，中小企业占我国企业数量的90%以上，贡献了50%以上的税收、60%以上的GDP、70%以上的技术创新、80%以上的城镇劳动就业，是我国经济和社会发展的主力军。因此，关注中小企业可持续运营、解决中小企业融资难题，对建设现代化经济体系和推进经济高质量发展具有重要的现实意义。

在国家推进共同富裕战略的背景下，数字普惠金融的发展为中小企业可持续融资提供了新的发展契机。数字普惠金融通过数字技术赋能可缓解信息不对称导致的资源配置效率低下，缓解传统金融的时空局限性，提升金融服务的可获得性，其是否有助于缓解中小企业的融资约束、促进中小企业资本结构优化是本文着重探讨的内容。有鉴于此，本文选取2011—2020年我国深圳证券交易所中小企业板和创业板公司作为样本，实证检验数字普惠金融的发展对中小企业资本结构动态优化的影响。

本文可能的边际贡献在于：第一，目前关于数字普惠金融对宏观经济方面影响的研究大多集中于经济增长（张勋，2019）、居民消费（易行健和周利，2018；张勋等，2020）、大众创业（谢绚丽等，2018）和对传统金融的冲击（邱晗等，2018；封思贤和郭仁静，2019）等方面，而对微观经济方面的研究主要侧重于缓解企业融资约束、促进创新（万佳彧等，2020；唐松等，2020；乔彬等，2022）等相关理论和机制。本文从公司金融的角度引入资本结构理论，揭示数字普惠金融影响企业经营决策的机理，拓展了数字普惠金融经济影响的研究。第二，现有关于资本结构调整影响因素方面的研究，主要从两个视角展开，一是企业规模、财务状况、发展能力、管理层特质、政治关联等企业内部因素；二是法律环境、资本市场、政策导向、经济形势等外部环境因素。本文将金融环境纳入企业资本结构动态调整的分析框架，补充了外生环境变量影响企业资本结构调整的研究。第三，本文从增强中小企业信贷可得性、缓解中小企业融资约束的研究视角评估数字普惠金融的实施效果，丰富了宏观金融环境与微观实体企业之间关系的研究，可为进一步完善金融供给侧结构性改革、提高发展的平衡性、协调性和包容性提供政策启示。

二、理论分析与研究假设

资本结构动态权衡理论认为，企业会设置一个最优资本结构目标（Flannery和Rangan，2006），通过合理安排负债和权益的结构来最小化资金成本，从而实现公司价值最大化。现有研究表明，尽管我国约90%的公司都设定了目标杠杆率（姜付秀等，2008），但在实践中企业的资本结构难以保持在最优状态，原因在于资本结构调整存在成本，经营者会权衡资本结构调整的成本和收益来决定调整的幅度和速度。我国资本市场不完善、企业治理不高效等因素造成企业的融资渠道受阻，增加企业融资的机会成本，进而提高资本结构的可变调整成本（黄辉，2014）。而由于我国中小企业普遍存在硬信息欠缺、信用不足、风控能力较弱等现实问题（赵驰等，2012），金融机构会理性地减少对中小企业的融资安排，导致所谓的信贷歧视问题。中小企业面临的融资约束和资本结构调整成本限制了其调整速度，长期来看阻碍了企业的价值创造和健康发展。

数字普惠金融的发展为缓解中小企业融资约束带来了可行方案。普惠金融这一概念最早由联合国于2005年正式提出，其核心要素在于扩大金融服务的覆盖面，全方位地给予社会各阶层群体获得金融服务的权利。然而，普惠金融也面临着难以平衡商业可持续性与社会性的发展困境（董玉峰和赵晓明，2017），数字技术的发展则促使科技赋能金融，提升了金融服务的范围和效率，数字普惠金融应运而生。

首先，数字普惠金融的发展有助于缓解信息不对称，降低资本市场摩擦。Myers和Majluf（1984）指出信息不对称与资本市场摩擦程度正相关，导致企业承担着更大的交易成本，是影响企业资本结构调整成本的重要因素。一方面，数字普惠金融能够降低金融机构和企业之间的信息不对称程度。金融机构借助数字技术进行信息搜集与处理，与传统人工手段相比能够提高信息筛选和风险甄别的准确性和及时性，从而减少获取信息和交易的中间成本。例如，基于互联网信息和数字技术的客户征信体系能够精准地绘制“企业画像”，简化繁琐的线下审核流程，大幅缩短信贷审核时间，提高资质审查效率，减少了可能通过上调贷款利率而转嫁给企业承担的审查费用，由此降低了企业的风险管理和评估成本。另一方面，数字普惠金融也能够缓解监管机构和投资者与企业之间的信息不对称问题。数字技术结合金融的模式将企业的各种交易行为在网络上保存为可查验的记录，利用互联网上的“数字足迹”，金融监管部门能够更有效地把控企业的金融活动，投资者也能够更容易地参与对企业的监督，抑制企业利用隐形债务来操纵杠杆，倒逼企业向着更合理的目标调整自身资本结构。

其次，数字普惠金融的发展提升了金融服务的可触达性，拓宽了中小企业的融资渠道。传统金融由于嫌贫爱富的偏向，存在着隐形信贷歧视，更愿意将贷款投放给大型企业、国有企业，造成金融贷款经常出现一系列结构性错配问题（唐松等，2020），导致部分更具发展潜能、更需要资金支持的企业或行业成为了金融服务排斥的对象。数字普惠金融依据商业可持续和机会平等原则，以相对友好、可承担的成本提供信贷服务。金融机构的金融产品和服务不断创新，创造了一系列新型融资模式，有助于降低传统金融服务的门槛，增加在资本市场中处于劣势地位的中小企业的信贷可得性。同时，数字普惠金融不以抵押物和清算制度来评估企业风险，对中小企业的融资支持具有包容性，利用数字技术手段更加擅长识别企业的经营能力，能更多地服务于传统金融难以覆盖到的“长尾客户”。数字普惠金融如雨后春笋般的创新发展，能够吸引广泛的投资者和机构参与投资，从而给予中小企业与众多投资者进行价格博弈的机会，降低融资约束，助力企业向目标资本结构加速调整。

最后，数字普惠金融的发展重塑了信贷市场竞争格局，改善了整体金融生态环境。在数字普惠金融的发展本身给中小企业带来更多融资机会的同时，其对传统金融环境的冲击也不可忽视，已有研究表明，数字普惠金融发展的技术溢出效应促进了银行业竞争（封思贤和郭仁静，2019）。数字普惠金融的发展为企业提供了更多的融资渠道，其本身的信贷供给对上市企业的补充效应可能较为有限，而对于企业融资环境更重要的影响，可能是由于其引发了传统金融市场的“鲶鱼效应”（战明华等，2018），即数字普惠金融打破了银行交易的垄断，扰动了传统金融市场的生态环境，迫使传统金融部门接受信息化时代的洗礼，提高其创新信贷技术和金融服务的积极性。因此，数字普惠金融的发展对传统金融产生了挤出效应，借助自身信息网络经济的优势不断弱化传统银行的金融中介功能，改变银行业的竞争格局。在这种新兴竞争环境下，中小企业融资机会增加，融资约束降低，能够获得更多的余力和动力来优化自身资本结构。基于上述分析，本文提出假设1：

H1：数字普惠金融有利于加快中小企业的资本结构动态调整速度。

数字普惠金融的发展缓解了信息不对称，一方面降低了企业与金融机构的交易成本，另一方面提升了信息透明度、缓解了代理问题。因此，从理论层面看，数字普惠金融的发展同时有助于中小企业进行债务融资和权益融资。但根据啄食顺序理论，企业在融资时会优先考虑使用内部盈余资金流，在内源融资不足以满足融资需求缺口时，才会进一步寻找外源融资。同时，相比于股权融资，企业更加偏好采取成本较低的债务融资，这是因为股权融资的非便利性，一是向创业股东融资有限，二是非创业股权融资审核严格，调整周期长，成本高昂，中小企业难以长期和深度依赖股权融资。目前银行贷款仍然是我国中小企业融资的最主要渠道（Hale，2007），而现实中由于金融机构的客户质量偏好和中小企业风险承担能力较弱等因素，银行等金融机构对中小企业的信贷投放非常有限，多数中小企业的融资结构中债务占比依然较低。数字普惠金融的发展给中小企业创造了更多元、更包容的债务融资环境，缓解了融资约束，使中小企业更加倾向于选择债务融资的方式进行资本结构调整。因此，本文提出假设2：

H2：数字普惠金融主要通过增加中小企业债务融资的方式加快中小企业的资本结构调整速度。

三、研究设计

（一）样本选取和数据来源

基于研究所需数据的可得性，参考工信部等四部门联合发布的《中小企业划型标准规定（2011）》对中小企业的界定，本文以A股中小板和创业板上市公司为研究对象，样本期间为2011-2020年。在此基础上，对样本进行以下处理：①剔除金融保险行业样本；②剔除ST、PT样本；③剔除数据缺失样本；④剔除仅有一年数据的样本。经过上述处理，最终获得5287个样本数据。公司财务数据均来自Wind和CSMAR数据库，数字普惠金融相关数据来自北大数字普惠金融研究中心。为控制极端值对回归结果的影响，本文按惯例对所有连续变量进行了上下1%的缩尾处理。

（二）模型构建与变量说明

1.数字普惠金融与资本结构调整速度

标准的部分调整模型能够较好地反映企业资本结构动态调整的基本原理。因此，本文借鉴Flannery和Rangan（2006）的做法，采用部分调整模型来描述资本结构动态调整的过程，标准的部分调整模型列示如下：

其中Controlsi,t-1为控制变量集合。参考黄继承等（2014）、王朝阳等（2018）的研究，控制变量主要包括以下企业特征指标：盈利能力（EBIT）、成长性（Growth）、非负债税盾（DEP）、企业规模（Size）、抵押能力（FA）、企业所在行业的资本结构（Lev_ind）、成立年限（Age）、产权性质（SOE）、流动性（Liquidity）。

将式（2）代入式（1），形成模型（3）：

另外，为检验数字普惠金融对企业资本结构调整速度的影响，本文参考Faulkender等（2012）的做法，在式（1）的基础上加入数字普惠金融与资本结构偏离程度的交互项扩展为模型（4）：

其中Findexi,t表示数字普惠金融发展程度，选择北大数字金融研究中心联合蚂蚁金服编制的地市级数字普惠金融指数作为度量。如果γ1显著为正，则说明数字普惠金融发展程度越高，资本结构调整速度越快；如果γ1显著为负，则说明数字普惠金融发展程度越高，资本结构调整速度越慢。由于企业资本结构在小于目标和大于目标时调整方向相反，调整动机和方式也存在差异（黄继承等，2014），本文将对大于目标资本结构和小于目标资本结构两种情况分别进行检验。另外，为尽可能避免遗漏变量造成的影响偏误，本文利用双向固定效应模型进行回归分析，同时在公司层面上进行聚类分析。

2.数字普惠金融与资本结构调整方式

企业在权衡成本和收益进行资本结构调整时，有发行债务、发行股票、偿还债务和回购股票几种选择。考虑到中国上市公司大部分债务资金来自银行借款、股票回购和公开发行债券并不普遍的实际情况（Hale，2007），本文参考黄继承等（2014）的研究，以净债务融资和净权益融资两种融资类型来考察上市公司资本结构的调整方式：当企业t期有息负债的增加额除以期初总资产大于等于5%时，净债务融资方式取值为1，否则为0；当企业t期所有者权益增加额减净利润除以期初总资产大于等于5%时，净权益融资方式取值为1，否则为0。具体模型如下：

本文所采用的变量定义见表1：

表1 变量定义

四、实证结果与分析

（一）描述性统计

表2展示了变量的描述性统计结果。可以看到中小企业上市公司的资本结构Lev的均值和中位数与上年相差不大，ΔLev的均值和中位数也接近于0，说明中小企业的资本结构变化总体上较为稳定。但ΔLev的最小值为-0.180，最大值为0.207，说明各个企业资本结构变动幅度存在较大差异。目标资本结构Lev*的均值和中位数与当前实际杠杆率相比存在差距，同时目标资本结构的均值和中位数都大于实际资本结构，表明中小企业实际资本结构偏离于目标资本结构，普遍存在杠杆不足的情况。产权性质SOE的均值为0.126，中位数为0，说明样本企业中非国有企业居多。

表2 主要变量的描述性统计

（二）数字普惠金融与资本结构动态调整速度

表3列示了对数字普惠金融影响中小企业资本结构动态调整速度进行回归分析的结果。在加入了数字普惠金融与资本结构差额的交互项后，第（4）列中全样本组交互项（Findex×Dev）的系数为0.118且在1%显著性水平下显著，表明数字普惠金融的发展加快了中小企业资本结构动态优化的速度，初步证明了本文的假设H1。在进一步区分向上调整资本结构和向下调整资本结构的情况后，结果有所不同。在向上调整组中，交互项（Findex×Dev）的系数为0.121且在1%显著性水平下显著；向下调整组中交互项（Findex×Dev）系数为0.088，但统计上并不显著。这说明了数字普惠金融对杠杆不足的中小企业有着更为显著的影响。

表3 数字普惠金融与资本结构调整速度

（三）数字普惠金融与资本结构动态调整方式

从企业调整资本结构的方式来看，包括负债端的调整和权益端的调整。为进一步探讨数字普惠金融影响企业向目标资本结构调整的方式，本文检验了数字普惠金融与资本结构动态调整方式的关系，回归分析结果见表4。第（1）-（3）列检验了债务融资的调整路径，在第（1）列全样本组中，交互项（Findex×Deva）的系数为4.513且在1%显著性水平下显著，说明了数字普惠金融发展程度越高，企业越有可能通过债务融资的渠道来调整资本结构。区分向上调整和向下调整的情况进行分析后发现，只有在第（2）列向上调整组中交互项（Findex×Deva）的系数才显著为正，即数字普惠金融的发展增加了企业债务融资的可得性，促使资本结构向上调整。第（4）-（6）列检验了权益融资的调整路径，在第（4）列全样本组中，交互项（Findex×Deva）的系数显著为负，表明数字普惠金融的发展程度越高，企业通过权益融资调整资本结构的可能性越小，且区分调整方向均不显著，因此本文的假设H2得到验证。

表4 数字普惠金融与资本结构动态调整方式

（四）稳健性检验

1.替换变量

表5显示了替换变量后的回归结果，替换方式为：第（1）列的方程中将企业的有息负债率替换成资本负债率，第（2）列将地市级层面的数字普惠金融指数替换为省级层面指数，第（3）-（5）列采用了数字普惠金融指数细分的三个一级指标指数——覆盖广度（Breadth）、使用深度（Depth）和数字化程度（Digitization）来进行衡量，结果都显示数字普惠金融指数与企业资本结构偏离程度的交互项系数在1%显著性水平下显著为正，表明数字普惠金融的发展有利于加快中小企业的资本结构调整速度，在替换变量后本文的核心结论并未发生改变。

表5 稳健性检验：替换负债率和数字普惠金融的衡量口径

Breadth×Dev 0.104***（4.077）Depth×Dev 0.120***（4.893）Digitization×Dev 0.087***（5.296）Control 控制 控制 控制 控制 控制Firm/Year 控制 控制 控制 控制 控制N 5287 5287 5287 5287 5285 R2 0.287 0.234 0.232 0.234 0.235

2.更换模型

本文的主检验采用双向固定效应模型进行回归，为尽可能消除遗漏变量所导致的内生性偏误，本文分别继续控制年份与行业的联合效应、年份与城市的联合效应等高维固定效应进行检验，表6的列（1）-（3）显示交互项均显著为正，验证了本文结论。另外，由于采用上述两步法估计目标资本结构可能因为拟合程度不高导致调整速度的估算偏误，且忽视了研究变量与资本结构影响因素之间的相互作用（黄辉，2010），本文参考龚朴和张兆芹（2014）的做法，设定调整速度是数字普惠金融指数的线性函数，然后联立式（1）、（2）、（6），得到模型（7）再进行回归，直接估算Findexi,t的参数δ1。

表6 稳健性检验：更换模型

利用模型（7）检验数字普惠金融对资本结构调整速度的影响参数δ1，即Findexi,t×Levi,t-1系数的相反数。当交互项（Findex×Levt-1）的系数显著为负，则说明数字普惠金融的发展促进了企业加快资本结构调整速度，反之则说明数字普惠金融的发展降低了企业资本结构调整速度。表6第（4）列的结果显示交互项（Findex×Levt-1）的系数显著为负，验证了本文结论。考虑到方程（7）的解释变量中存在被解释变量的滞后项，具有动态面板数据特征，为消除动态面板偏差，本文分别采用差分GMM和系统GMM模型进行重新估计，第（5）列和第（6）列的结果显示交互项（Findex×Levt-1）高于10%的显著性，再次证明了数字普惠金融加快中小企业资本结构动态调整的结论。同时，在两个GMM模型中AR（2）和Hansen test的结果都拒绝了原假设，说明不存在误差项二阶序列相关和工具变量过度识别的情况，矩阵模型设置合理。

3.检验是否具有动态叠加效应

数字普惠金融的发展对企业资本结构调整决策改变的影响可能是一个长期持续的过程，因此本文还对数字普惠金融指数进行了滞后1-4期的处理。表7的结果显示，分别将数字普惠金融指数滞后1-4期后交互项的系数均为正，同时至少在5%显著性水平下显著，表明数字普惠金融对加快企业资本结构调整速度的影响呈现出时间序列上的动态叠加特征，数字普惠金融的发展对企业资本结构动态调整速度具有长期的正向影响。

表7 稳健性检验：将数字普惠金融指数滞后1-4期

4.排除杠杆操纵和杠杆错估的影响

我国企业出于粉饰杠杆、隐瞒财务风险、满足融资和投资需求的动机可能存在杠杆操纵的行为，同时融资约束程度越高的企业可能存在的杠杆操纵程度越大（许晓芳等，2020）。由于杠杆操纵的可能性存在，前文所计算的账面杠杆率可能并不是企业的真实杠杆率，导致所得的结论也可能存在偏差。因此，本文借鉴许晓芳等（2020）的做法，通过XLT-LEVM法将表外负债和明股实债的部分纳入计算，得到尽可能真实的样本企业杠杆率，再代入资本结构调整模型进行回归分析。表8第（1）列报告的回归结果显示交互项的系数显著为正，说明在修正杠杆率后仍可得出数字普惠金融加快了中小企业资本结构调整速度的结论。

另外，有研究指出，通常计算杠杆时会把“资本”和“资产”的概念混用，将金融性负债和经营性负债都纳入杠杆的计算范畴（王贞洁等，2019）。金融性负债反映的是债权人和股东为了享受企业的财富价值创造而跟企业达成契约的投资关系，而经营性负债反映的则是企业和经营性负债供给者之间的日常业务关系，例如与供应商交易获得的商业信用融资。如果将营业性负债对应的这种资产称之为资本，那么就相当于把客户、员工和供应商等利益相关者也当作了企业的投资者，这种泛化企业投资者的做法存在一定的问题。数字普惠金融发展的重要作用之一是增加了企业外部债务融资的可得性，企业在能够获得更多债务融资的情景下为了防范金融风险可能会减少商业信用融资。为排除杠杆错估及商业信用融资对资本结构造成的影响，本文借鉴王贞洁等（2019）的做法重新计算了资本结构的分母项，在总资产的基础上加回减值、跌价准备调整，减去营业性负债的部分，得到样本企业排除杠杆错估可能性后的杠杆率，代入模型进行回归。表8第（2）列的结果显示交互项的系数依然显著为正，支持本文结论。

表8 稳健性检验：排除杠杆操纵和杠杆错估的影响

5.工具变量法

虽然数字普惠金融发展水平是宏观变量，受企业内部资本结构决策的影响较小，但为尽可能地控制遗漏变量和测量偏差的影响，本文采用工具变量法进一步排除内生性问题。考虑到互联网普及率反映了当地发展数字普惠金融的基础设施条件，与数字普惠金融发展水平紧密相关，但并不直接影响企业的资本结构调整，因此本文借鉴谢绚丽等（2018）的做法，采用互联网普及率作为数字普惠金融指数的工具变量。回归分析结果如表9所示，在总样本中，第一阶段IV的回归系数为0.146且在1%显著性水平下显著，表明互联网普及率越高，数字普惠金融发展水平越高。第二阶段回归结果中，交互项（Findex×Dev）显著为正，验证了前文结论。同时，C-D Wald检验以及K-P rk Wald检验得到的F统计量分别为381.969和111.865，均远大于10，表明不存在弱工具变量的问题。另外，在区分资本结构调整方向后，所得结论依然与前文一致。

表9 工具变量法：互联网普及率

五、进一步研究

（一）机制检验

数字普惠金融的发展促使中小企业更倾向于利用增加债务的方式加快自身资本结构调整速度，为进一步打开数字普惠金融加快中小企业资本结构调整速度的机制黑箱，本文首先检验了数字普惠金融是否通过提升债务融资的触达性缓解企业的融资约束，接着从债务融资成本和债务融资期限结构两个角度进行分析。具体如模型（8）所示：

其中：Mi,t表示机制变量，采用KZ指数来度量融资约束；债务融资成本（Cost）根据利息支出/长短期借款总额均值计算得到；债务融资期限结构（SFLI）采用短贷长投的代理变量。根据表10所示的回归结果，数字普惠金融显著缓解了企业的融资约束，降低了债务融资成本，减少了企业短贷长投的行为。另外，将数字普惠金融指数滞后一期进行分析后发现，上述结论依然成立。数字普惠金融缓解了信息不对称程度，减少了企业信息搜寻和交易的中间成本，降低了企业的风险评估成本等隐性成本，通过加强信贷市场竞争的方式提升了企业的议价能力，这些都有利于降低企业债务融资成本，促进企业能够更加灵活地运用债务融资工具调整资本结构；同时，数字普惠金融增加了企业长期债务的可得性，减少了企业短贷长投的行为，从而降低企业的经营风险，增加企业财务柔性，有利于促进企业摆脱财务困境，进行资本结构优化。

表10 机制检验：融资约束、债务融资成本和债务融资结构

（二）异质性检验

为验证不同企业内部特征和外部环境的中小企业在数字普惠金融影响下资本结构调整速度的差异性，本文将企业金融错配程度（FM）、高管金融背景异质性（Finback）、地区传统金融发展程度（FDI）和金融监管程度（Supervision）所对应的指标纳入交互项进行异质性分析。

1.不同内部特征中小企业资本结构调整速度异质性分析

资源配置理论指出，只有金融资源流向效率最高的部门时才能达到帕累托最优的状态，才能最大化金融服务的效率和质量。如前文所述，我国传统金融存在属性错配、领域错配和阶段错配等结构性金融资源配置问题，金融资源配置效率低下严重影响了金融支持实体经济的效果。而数字普惠金融则以其技术优越性和普惠性特征提高了资源的配置效率，矫正了传统金融市场焦点偏离的问题。本文参考邵挺（2010）的研究，根据公式（企业资本成本-行业平均资金成本）/行业平均资本成本，计算得到金融错配程度（FM）指标。表11第（1）列显示，交互项（Findex×Dev×FM）的系数为0.006且在5%显著性水平下显著，说明数字普惠金融对金融错配程度更高的企业的资本结构调整速度影响更大。

数字普惠金融能否切实服务实体经济关键还在于巧妙发挥人力资本的桥梁纽带作用。高阶梯队理论指出，企业高管是有限理性的，其年龄、性别、职业经历、财务状况和受教育程度等特征会影响其认知水平和行为方式，进而影响企业的战略选择（Hambrick和Mason，1984）。企业在权衡收益与成本对资本结构进行调整时需要依靠专业的战略和财务决策，具有金融背景的高管可以借助他们的专业知识进行更加精准的判断，并且充分利用从业过程中积累的社会资源，更加高效地获得金融资源来缓解企业的融资约束。同时，具有金融背景的高管拥有对金融行业较高的行业敏锐度，能够及时地掌握行业前沿动态，进而更为积极地利用数字普惠金融助力企业战略部署和发展，因此有金融背景高管的企业资本结构调整速度可能更快。表11第（2）列的结果显示，加入是否具有金融背景高管变量的交互项（Findex×Dev×Finback）显著为正，证实了上述观点。

表11 异质性检验

2.不同外部环境中小企业资本结构调整速度异质性分析

数字普惠金融的兴起拓宽了金融服务的外延，改变了传统金融的竞争格局。而也有研究表明数字普惠金融的发展依赖于传统金融的条件和基础（姚耀军和施丹燕，2017），传统金融能够为数字普惠金融的发展提供资金支持、金融知识支持和基础设施支持等，在传统金融发展越充分的地区，数字普惠金融发展越迅速。有鉴于此，本文推测在传统金融发展较充分的地区，数字普惠金融对中小企业资本结构调整速度的影响更大。本文选取金融机构存贷款余额/GDP作为衡量地区的传统金融发展程度的指标。表11第（3）列结果显示交互项（Findex×Dev×FDI）的系数显著为正，说明传统金融发展程度更高，中小企业资本结构的调整速度更快。

数字普惠金融发展带来金融公平和效率的同时，也可能会造成金融安全问题。有研究表明，数字普惠金融在缓解传统金融行业的痛点和堵点的同时，也会导致金融诈骗、APT攻击、数据泄露等安全风险问题（唐松等，2020），这就对金融监管提出了更高的要求，只有加强防范守住金融风险底线，才能更好地实现金融服务实体的目标。本文选取地区金融监管支出/金融业增加值来衡量地区的金融监管程度，表11第（4）列的回归结果显示交互项（Findex×Dev×Supervision）的系数显著为正，说明在金融监管程度较高的地区，数字普惠金融对中小企业资本结构调整的治理作用更强。

六、研究结论和政策启示

数字普惠金融的蓬勃发展加强了我国金融发展禀赋，减少了金融排斥，对推进金融供给侧改革乃至中国经济高质量发展都产生了不容小觑的影响。本文选择2011-2020年深交所中小板和创业板企业为研究样本，探讨了数字普惠金融对中小企业资本结构调整的影响。主要结论如下：第一，数字普惠金融的发展加快了中小企业资本结构调整速度，尤其是对杠杆不足的企业有着更为重要的影响。第二，数字普惠金融的发展主要通过增加中小企业债务融资的方式来促进资本结构的优化。第三，机制检验表明，数字普惠金融通过缓解融资约束、降低债务融资成本和减少短贷长投行为促进了企业资本结构调整。第四，异质性检验表明，从企业内部特征来看，数字普惠金融对金融错配程度较高的企业、有金融背景高管的企业资本结构调整速度影响更大；从外部金融环境来看，在传统金融发展程度较高的地区和金融监管较强的地区，数字普惠金融对中小企业的资本结构调整速度影响更大。

本研究具有以下政策启示：第一，稳步推进数字普惠金融高质量发展，兼顾金融服务的质效和公平性，助力中小企业发展。紧跟科技发展潮流，积极推动云计算、大数据、区块链等高端前沿技术的发展，鼓励信息技术和金融市场深度融合，加快金融机构数字化转型。全面加强数据能力建设，拓展数字技术金融应用，搭建多元融通的服务渠道，支持中小企业发展，打破金融市场的“靶向偏离”，提高发展的平衡性。第二，继续完善传统金融体系，推进传统金融结构性改革和技术性改革，为发展数字普惠金融打下坚实基础，构建传统金融与数字普惠金融相互促进的发展生态。第三，加强数字普惠金融人才培养，增强企业数字化转型的核心能力，高校开设金融与科技深度融合的课程，企业在供应链金融、数字化运营等多方金融场景完善人才培养机制，政府出台相应的人才保障机制。第四，强化数字普惠金融审慎监管，完善金融监管框架，借助数字技术建立智能化风控机制，筑牢数字普惠金融的风险防火墙，增强金融监管薄弱地区的风险控制能力。