连锁董事网络、数字普惠金融与企业融资约束

陈丹临

内容提要：选取2011-2022年中国A股上市公司为样本,分析连锁董事网络对企业融资约束的影响。实证结果表明,连锁董事网络能缓解企业融资约束,数字普惠金融在连锁董事网络对企业融资约束的缓解作用中发挥调节效应,在数字普惠金融发展程度较低地区,连锁董事网络对企业融资约束的缓解作用更好,在数字普惠金融的调节作用下,连锁董事网络交际效应对融资约束缓解作用要好于信息效应。异质性分析表明,连锁董事网络的信息效应对民营企业和制造业企业融资约束的缓解效应更显著,连锁董事网络的信息效应和交际效应在中小规模企业中均能发挥融资约束缓解作用。基于上述研究结论,在数字普惠金融发展程度较差地区,民营企业、中小规模企业更应重视连锁董事网络对融资约束的缓解作用,通过遴选具有较高网络点度中心度和占据较多结构洞位置的连锁董事任职,发挥其缓解融资约束的信息效应和交际效应。

一、 引 言

企业能否获得充足的融资,对维持企业日常运转乃至生存有着重要意义。但企业融资难的困境一直是学术界和实务界致力解决的难题。围绕促进企业融资,中国出台了一系列政策,包括拓宽企业直接融资渠道、加大对民营企业融资支持力度等,这些政策均属于对企业融资正式制度的补充和完善。近年来,对连锁董事网络这一非正式制度在企业融资中所发挥的作用开始受到越来越多学者的关注。连锁董事网络是基于董事在不同企业任职而形成的关系网络,不同网络位置的董事所拥有的联结关系不同,拥有更多直接或间接联结关系的董事,具备更强的信息效应和交际效应,有助于减少企业面临的信息不对称,能帮助企业降低融资成本,缓解企业外部融资约束。但也有学者的研究结果无法支持这一结论。此外,企业的产权性质、规模、行业属性等特征是否在连锁董事网络与企业融资关系中发挥同样作用也未能得到研究证实。

当前数字普惠金融的快速发展弥补了传统融资方式的不足,拓宽了企业融资渠道,在影响企业融资的众多因素中,数字普惠金融的作用不容忽视。一些学者指出,数字普惠金融能缓解信息不对称程度,进而对企业融资约束的缓解具有正向作用(李涛等,2016;任晓怡,2020);但也有学者对此持相左意见,认为数字普惠金融发展时间短,自身技术、运营和管理模式仍有很大提升空间,加上监管滞后等因素制约,使得企业有效融资成迷(Lee和Shin,2018)。可以看出,对连锁董事以及数字普惠金融影响企业融资约束的研究仍存在争论。本文将从连锁董事网络视角切入,分析连锁董事网络缓解企业融资约束的机理,并创新性地将数字普惠金融纳入分析框架,探寻新兴金融业态与非正式融资制度结合对企业融资行为的影响;同时考虑产权性质、企业规模、行业属性等异质性特征在连锁董事与企业融资约束关系中的作用发挥,为连锁董事网络缓解企业融资约束提供新的论证和思路。

二、 文献回顾

最早对连锁董事关联现象的研究主要集中在连锁董事网络与企业治理领域,学者们对连锁董事网络影响企业治理的研究存在两种相反的看法:一种观点认为连锁董事网络促进了企业间经济、社会活动的协调,实现企业利益最大化的同时,也满足了个人利益,对企业治理具有正面影响,卢昌崇等(2006)、田高良等(2011)的研究支持该观点;另一种观点则认为连锁董事网络会降低董事自身的监督和控制功能,进而对企业治理具有负面影响,任兵等(2007)、刘涛和朱敏(2009)的研究支持这种观点。

学者们对连锁董事网络与企业融资关系的研究也同样出现两种截然相反的结论。在连锁董事网络与企业融资呈负相关关系的研究中,李德辉等(2017)认为尽管董事网络能为企业获得资源提供便利,但过度网络嵌入产生的企业同群效应会导致过度投资加重,进而产生资源挤出效应,从长期看不利于企业融资。在连锁董事网络与企业融资呈正相关关系的研究中,学者们主要从降低融资成本、增加融资渠道两方面论证。Fang等(2012)提出企业高管的社会网络会增加其获得外部资源的能力;Chuluun等(2014)认为连锁董事通过减少企业与外部金融机构间的信息不对称,发挥信息传递功能,进而缓解企业融资约束;Engelberg等(2013)、王营和张光利(2018)的研究表明具有相同教育背景的连锁董事任职能显著降低债务融资成本。上述研究表明,学界对连锁董事网络与融资约束间关系的研究仍存在争论,因而探讨二者间关系具有一定的理论与实际意义。

此外,对连锁董事网络的测度方法也在不断迭代。早期研究中仅采用是否为联结董事这一定性指标衡量,如陈仕华和马超(2013)的研究。随着社会网络分析法在董事网络研究中被不断应用,越来越多的学者开始测度董事的网络位置所带来的资源优势差异,并进一步对董事网络效应进行区分,如Bouwman(2011)将董事网络区分为熟悉效应和影响效应,王营和曹廷求(2017)将其分为资源效应和信息效应。本文对董事网络的测度沿用目前最新的社会网络分析法,而非简单计算连锁董事的数量、联结次数等浅层指标。

在企业融资约束影响因素的研究中,有学者认为不同产权性质企业的内部结构以及面临的外部环境都存在较大差异(卢盛峰和陈思霞,2017),不同规模的企业对现金持有的需求不同(连玉君等,2010),行业异质性也会导致公司治理制衡度差异,进而影响公司融资(李双燕和苗进,2020)。因此,本文将在连锁董事网络与企业融资约束分析框架中,纳入产权性质、企业规模、行业属性等特征的影响。

随着数字普惠金融等新金融业态的快速发展,企业融资环境也发生了巨大变化。在对数字普惠金融与企业融资间关系的研究中,也存在两种相反的观点。Mollick(2014)认为融资行为中的道德风险和逆向选择问题仍然存在,因而数字普惠金融对中小企业融资的作用有待验证;廖理和张伟强(2017)认为互联网借贷可能存在更为严重的信息不对称。相反,Borello等(2015)提出数字金融平台创新了融资模式和组织架构,部分替代了传统融资方式,为更多群体融资提供了新的渠道;谢平和邹传伟(2012)、乔彬等(2022)认为互联网技术实现了金融服务的创新,降低了融资成本,提高了融资效率。以上文献表明,数字普惠金融与企业融资间关系的研究还未达成一致结论,且已有研究仅停留在二者是否相关的层面,缺乏对数字普惠金融缓解企业融资约束的机制检验。

通过梳理上述文献可以发现,对连锁董事网络与融资约束的关系仍然存有争议,尤其是关于连锁董事网络指标的选择以及连锁董事网络影响融资约束的机制分析。故本文认为,第一,对连锁董事网络的测度应考虑网络联结的质量属性,即测度连锁董事的网络位置,并且不同网络位置发挥的具体效应应区别分析。第二,现有对数字普惠金融与融资约束关系的研究鲜有涉及机制分析,应将数字普惠金融纳入连锁董事与融资约束的分析框架,探索新兴金融业态与连锁董事这一非正式融资制度安排碰撞下,对企业融资行为的影响,以期为缓解企业融资约束提供新的可行路径,这也是可能的创新之处。结合以上两点,本文将从连锁董事网络位置属性出发,将数字普惠金融作为调节变量,分析连锁董事网络对企业融资约束的影响机制,并探讨不同产权性质、规模、行业等因素下该影响机制的差异。

三、 理论分析与研究假设

1. 连锁董事网络与融资约束

社会网络极大促进了信息的传递,资本市场中由董事连锁而构成的董事网络,不仅加速了信息流通,也为资源交换带来了便利。结合连锁董事本身特点,可以将连锁董事网络对融资约束的影响概括为两种类型:信息效应和交际效应。一方面,由于董事各自教育背景、所处行业的不同,所掌握的关于行业趋势、市场形势以及监管变化等方面的信息存在较大差异(Fracassi,2017),处于董事网络中心位置的董事通常掌握更多的信息资源(Bouwman,2011),网络中的董事通过信息交流建立了重要的商业联系,嵌入网络的企业更容易接触此类信息,从而在进行融资决策时具有相对的信息优势,能实现更低成本下的融资,即董事网络的信息效应;另一方面,网络中的连锁董事由于自身所拥有的人际关系存在强弱差异(Martin等,2015),具有更多人际关系的董事在协调企业间关系方面的能力也更强,即使自身掌握的信息资源有限,但借助董事间交际,能实现对企业的监督与控制功能,促进企业间沟通与协作,为企业融资拓宽资源交换渠道,一定程度上提高企业声誉(Andres等,2013),降低融资成本,从而缓解融资约束,即董事网络的交际效应。

现有研究对连锁董事网络位置的衡量多采用中心度这一维度。中心度主要侧重描述董事在社会网络中是邻近中心还是边缘,主要指标有点度中心度和结构洞。点度中心度表示该董事在整个董事网络中的活跃程度,即董事认识的人越多,则越处于网络的中心位置,能获得越多的信息资源。从企业层面看,企业的网络中心度越高意味着企业所拥有的处于网络中心的连锁董事越多,这能为企业带来更多的资源和信息,为缓解融资约束提供有利的决策信息。

从整体网络视角看,那些没有发生联系的部分被称为结构洞,结构洞存在的前提是承认社会网络中董事间的交往是有限的(Burt,1992)。占据结构洞位置的董事相比网络结构中的其他行动者,具备联系个体的“桥梁”作用(Cai和Sevilir,2012),拥有更多与其他董事联系的渠道。该指标测度的是董事的间接联结关系,处于结构洞的董事具备更强的交际效应,并以此获得竞争优势,掌握更多关于资金周转、银行信贷等“异质”资源,能减少融资信息不对称带来的高融资成本。从企业角度看,占据结构洞位置的企业拥有更多与其他企业的间接关联,进而起到缓解企业融资约束的作用。

本文认为连锁董事网络的测度应包含董事间的直接联结和间接联结关系,前者侧重衡量董事的活跃性,当董事在社会网络中的活跃度越高,越具备更强的资源优势,在企业经营中能发挥信息效应优势,使得企业能获得更多关于融资的有利信息;后者侧重衡量董事的关系优势,占据更多结构洞位置的董事能发挥更强的交际效应,引导董事网络中的信息流配置,帮助企业获得有利于融资的“异质”资源和信息,还能为企业获得充足的现金流提供声誉支持,从而缓解企业融资约束。因此,本文提出假设:

H1a:连锁董事具有较高网络中心度时,能显著缓解企业融资约束。

H1b:连锁董事位于结构洞位置时,能显著缓解企业融资约束。

2. 连锁董事网络、数字普惠金融与融资约束

以往对企业融资约束的分析都是在传统金融供给框架下展开,随着大数据、人工智能等高速发展,数字普惠金融等新型金融工具应运而生,金融产品和服务不断拓展覆盖范围,为企业融资提供了新渠道。数字普惠金融是数字金融与普惠金融相融合的产物,发展初衷便是为弱势群体、偏远地区带来更高质量的金融服务,拓展金融的触达范围和深度。数字普惠金融依托大数据、云计算等新兴技术,实现了融资群体普惠覆盖的同时,提升了金融机构的信息捕捉能力,降低了因信息不对称带来的过高融资成本(Agarwal和Hauswald,2010),是缓解企业融资约束的有效途径。基于上述背景,本文认为在影响企业融资约束的非正式制度中,连锁董事网络作用的发挥会受到数字普惠金融发展程度的影响。

数字普惠金融作为传统金融的补充,能弥补传统金融机构在贷款环节的不足,弱化抵押物、地域网点等硬性条件对融资的影响;同时提高了企业信息透明度,将企业的社交网络等非结构化信息暴露于征信体系之中,降低了信息不对称程度,弥补了传统金融信息获取的不足,降低了企业的融资成本。因而,数字普惠金融发展程度越高,企业获得融资越便利(黄益平和黄卓,2018),使得企业对连锁董事网络的依赖程度减弱,可能出现连锁董事网络对企业融资约束的缓解效应不显著。相反,在数字普惠金融发展程度较低的地区,面临融资约束的企业更希望借助连锁董事网络这一非正式制度,强化与利益相关者之间的关系,提升获取社会资本的能力。通常,企业在通过数字普惠金融方式获得融资时,往往被认定为资产等硬性抵押物条件较差,转而借助信用方式融资,这类企业更加需要诸如连锁董事网络等非正式制度的支持。连锁董事网络一定程度上代表着企业在行业内的公信力,凭借连锁董事较高的中心度和占据更多的结构洞位置,企业更容易获得外部资金支持。采取数字普惠金融方式融资的企业,更加看重连锁董事网络在企业运营中所发挥的作用,故连锁董事网络对企业融资约束的缓解效应显著。据此,提出假设:

H2a:相比数字普惠金融发展较好地区,数字普惠金融发展较差地区的连锁董事网络中心度缓解企业融资约束的效果更好。

H2b:相比数字普惠金融发展较好地区,数字普惠金融发展较差地区的连锁董事网络结构洞缓解企业融资约束的效果更好。

四、 研究设计

1. 样本选择与数据来源

数据来源为万得数据库、国泰安数据库,选取2011-2022年沪深两市A股上市公司为样本,按以下标准进行数据筛选:剔除金融上市公司、ST和PT类公司及已退市公司样本;剔除融资约束度量指标KZ指数无法计算或财务数据缺失的公司;剔除连续经营不满6年的公司,这类公司由于经营活动不连续,其融资约束程度的度量与其他公司不具可比性;为减少极端值对实证结果的影响,对连续变量进行上下1%的Winsorize缩尾处理,最终得到非平衡面板数据共1973家上市公司18259个观测样本。数据统计和实证分析采用STATA15.1软件完成,其中连锁董事网络指标的计算采用PAJEK软件完成。

2. 变量设计

(1) 被解释变量。被解释变量KZ指数表示上市公司的融资约束程度,本文借鉴魏志华等(2014)的研究,以经营性净现金流、现金股利、现金持有量、资产负债率以及公司价值等5个因素作为测算融资约束的代理变量,采用排序逻辑回归模型估计出各变量的回归系数后,计算出每家企业的融资约束程度,即KZ指数,数值越大,说明该企业面临的融资约束程度越高。

(2) 解释变量。解释变量连锁董事网络位置,采用社会网络分析方法对连锁董事在网络中的位置进行测度,常用指标包括点度中心度、结构洞、权重中心度以及中介中心度。本文选用点度中心度(Degree)、结构洞(SH)分别测度董事在网络中的中心性和间接关系强度;稳健性检验采用具有类似定义特征的权重中心度(Weight)和中介中心度(Betweenness)检验。连锁董事网络指标的具体计算公式如下。

点度中心度表示董事在社会网络中处于何种水平的中心地位,通过测算董事与其他董事网络联结关系的数量实现。参照谢德仁和陈运森(2012)的算法,点度中心度的计算公式为:

(1)

其中,i表示某个董事,j表示除董事i以外任一其他董事,xji表示董事间的网络联结,如果董事i与董事j至少在同一个公司共事则为1,否则为0;g表示所有董事的数量,g-1表示标准化后的董事数量。该数值越大,表示企业在整体网络中掌握信息资源的总数越多。

结构洞表示董事网络中两个董事之间的非冗余联系,借鉴Martin等(2015)的算法,结构洞的计算公式为:

SHi=1-(pij+∑qpiqpjq)2

(2)

其中,i、j定义同前文,q表示另一个企业,pij表示董事i与董事j的直接关系强度,∑qpiqpjq表示从i到j的所有经过q企业的路径中的非直接关系强度之和,即i和j的间接关系强度。该值越大,表示企业占据的结构洞资源越丰富,具有更多的间接联系。

权重中心度认为当一个董事与另一个更有影响力的董事相联结时,也会提高他自身的中心度,这一指标定义存在内部迭代,通过董事的邻接矩阵运算得到。计算公式为:

(3)

其中,bij为邻接矩阵,如果董事i和董事j至少在同一家公司共事则取值为1,否则为0;λ是矩阵B的最大特征值,Ej是董事j中心度的特征值。该指标含义与点度中心度类似,故作为替换变量进行稳健性检验。

中介中心度认为处于“中介”位置的董事相比处于连接线两端的董事,更具备信息流转功能,通过测度联结两个董事间的最短路径数目对其进行衡量,该指标反映董事的间接联结强度,故作为结构洞的替换变量进行稳健性检验。计算公式为:

(4)

其中,gjk表示董事j和董事k联结必须经过的最短路径,董事i参与到董事j和k之间进行信息交流的概率估算为gjk(ni)/gjk。

在计算连锁董事网络指标之前,需要对数据进行如下预处理:首先根据国泰安数据库中对公司所有董事编赋的唯一代码及对应公司的证券代码,编制“公司-董事”二模矩阵;其次利用PAJEK软件将其转换为“董事-董事”一模矩阵,并分年度计算出每个董事的点度中心度和结构洞指标值;然后对每家公司所有连锁董事的网络指标值进行加总,得到公司层面的连锁董事网络指标数据;最后按照公司证券代码与财务数据进行匹配,得到实证分析所需的样本数据。

(3) 调节变量。调节变量数字普惠金融发展程度,根据北京大学数字金融研究中心报告的数字普惠金融水平,选择数字普惠金融总指数(DI_all)以及数字普惠金融覆盖广度(DI1)、使用深度(DI2)和数字化程度(DI3)3个分维度对其进行衡量。受数字普惠金融指数披露年限的限制,调节效应分析的数据窗口为2011-2020年,观测样本共14383个。

(4) 控制变量。借鉴已有研究,本文控制了企业杠杆率(Lev)、企业规模(Size)、盈利能力(ROA)、成长性(OR)、研发强度(R&D)、股权集中度(Bs_1)、董事会规模(BN)的影响。

各变量名称、符号及其含义见表1。

由于样本数据涵盖全部A股上市公司,不同规模企业的财务指标可能有较大差异,为减弱这种影响,本研究控制了企业个体效应和时间固定效应,并且使用公司层面的聚类标准误(Cluster)调整方法,修正样本异方差问题。

3. 模型设定

实证分析部分的主模型如式(5)所示。首先采用式(5)对假设1进行检验,模型的被解释变量是企业融资约束程度KZ,主要解释变量连锁董事网络指标包括点度中心度Degree和结构洞SH。为了反映企业的异质性特征和宏观经济状况的影响,模型中加入了企业个体效应和时间效应的虚拟变量ui和vi,εi,t为残差项,最终为双向固定效应模型。

KZi,t=α0+α1Neti,t+∑Control+ui+vi+εi,t

(5)

调节效应分析采用分组方式进行验证,对数字普惠金融各项指数按照高于或低于均值设置分组变量,分别按照式(5)进行回归检验,以验证假设2。在对假设2的检验中,数字普惠金融发展较好组与较差组是否存在显著差异是判断的基本依据。参照连玉君等(2010)的做法,本文采用Bootstrap法对其进行组间系数差异显著性检验,并汇报实际观察到的组间系数差异可能出现的概率,即经验p值,以确保分组估计结果的可比性。

异质性分析中考虑产权性质、企业规模及行业类型等因素在连锁董事网络对企业融资约束的影响中是否存在差异,采用式(5)对各种异质特征进行分组检验,同样采用Bootstrap法检验组间系数差异显著性,确保实证结果的可靠性。

五、 实证分析

1. 描述性分析

主要变量的描述性统计见表2。被解释变量企业融资约束水平KZ均值为3.50,最小值为-0.93,最大值为7.60,说明上市公司之间融资约束程度差距较小,采用KZ指数对其进行分析具备一般性特征。连锁董事网络点度中心度Degree的均值为28.67,标准差为17.84;结构洞SH的均值为3.45,标准差为0.63,可以看出,相比点度中心度,结构洞的离散程度较低,这也说明上市公司董事网络中心度分布差异较大,结构洞分布则较为集中。

表2 主要变量的描述性统计

2. 连锁董事网络与融资约束基准模型回归结果

对假设1的实证回归结果见表3。列(1)列(2)分别为连锁董事网络点度中心度Degree和结构洞SH对融资约束KZ的估计结果,可以看出主要解释变量的系数均在1%统计水平上显著为负,说明连锁董事网络指标对企业融资约束具有一定的缓解效应,假设H1a和假设H1b得到验证。比较连锁董事网络指标的系数大小发现,结构洞系数(-0.0879)绝对值大于点度中心度系数(-0.0046)绝对值,表明连锁董事网络缓解企业融资约束的间接交际效应要优于直接信息效应。

以上结果证实,连锁董事网络能够起到企业内部与外部环境之间的桥梁作用,连锁董事凭借其不同的网络位置,能发挥一定的信息效应和交际效应,信息效应能帮助企业获得更多的财务、技术等信息资源,交际效应则代表了连锁董事掌握的间接社会资本,是对信息资源的有效补充。相较于直接社会资本,连锁董事交际效应所代表的间接联结关系在缓解企业融资约束机制中更为显著。

3. 稳健性检验

(1) 内生性问题。基准回归的结果可能存在遗漏变量和逆向因果导致的内生性问题,一方面,可能存在一些尚未观测到的影响因素对回归结果产生影响,比如企业董事与高管间的人际关系等不可观测的变量可能会影响企业的融资能力,高管决策的信息有可能不被外界所观察但与企业的财务信息等相关;另一方面,企业的融资环境可能一定程度上反映其经济实力,融资约束较弱的企业更容易选聘到具有较好网络位置的连锁董事任职。为降低内生性问题导致的偏误,本文采用工具变量法(2SLS)来验证基准回归结果的一致性。参考彭俞超等(2020)采用主要解释变量的行业均值作为工具变量的做法,本文选取企业所处行业的连锁董事网络各项指标(1)工具变量的计算基于连锁董事网络点度中心度、中介中心度、权重中心度、结构洞的算术平均值得出。均值(IVX1)作为工具变量修正内生性问题。

工具变量回归结果见表4。列(1)列(2)的第一阶段回归结果中IVX1系数显著为正,说明工具变量与连锁董事网络点度中心度Degree、结构洞SH显著正相关,一定程度上提高了连锁董事的网络指标值,符合工具变量与内生解释变量相关性的假定。从列(3)列(4)的第二阶段估计结果可以看出在2SLS估计下,连锁董事网络与企业融资约束的关系并未发生改变,即连锁董事网络指标能缓解企业融资约束,且结构洞对融资约束的缓解效应要高于点度中心度,估计结果与前文一致。

表4 工具变量检验结果

(2) 替换变量法。为了检验连锁董事网络对企业融资约束影响的一致性,本文还采用替换关键解释变量的方法进行稳健性检验。采用连锁董事网络的权重中心度Weight和中介中心度Betweenness分别替代点度中心度和结构洞,回归结果见表5。列(1)列(2)分别表示权重中心度Weight、中介中心度Betweenness对融资约束KZ指数的估计结果,可以看出变量系数分别在1%和10%统计水平上显著为负,说明连锁董事网络对企业融资约束具有缓解效应,并且中介中心度Betweenness系数绝对值大于权重中心度Weight系数绝对值,表明连锁董事所带来的间接联结关系对缓解融资约束的效应更强,估计结果与基准回归结果一致。

表5 替换变量后的回归结果

4. 数字普惠金融的调节效应分析

为验证假设2,本文设置数字普惠金融总指数DI_all、覆盖广度DI1、使用深度DI2、数字化程度DI3的分组虚拟变量,考察不同组别中连锁董事网络对企业融资约束的缓解效应是否存在差别,以此检验数字普惠金融在连锁董事网络缓解融资约束中的调节效应,回归结果见表6至表9。

表6 数字普惠金融对连锁董事缓解企业融资约束的影响

表6为数字普惠金融总指数对连锁董事网络与融资约束的调节效应。点度中心度Degree和结构洞SH的系数在不同统计水平下显著为负,连锁董事网络对融资约束的缓解效应得到验证。对比列(1)列(2)系数可知,在数字普惠金融发展较差地区,点度中心度系数(-0.0087)绝对值更大,连锁董事信息效应缓解企业融资约束的效果更好。列(3)列(4)表明,数字普惠金融发展较差地区的结构洞系数(-0.2045)绝对值大于较好地区(-0.0997),连锁董事缓解企业融资约束的交际效应更为显著。由Bootstrap法得到的经验p值分别为0.006和0.002,表明组间系数差异均在1%统计水平上显著。以上结果表明,在数字普惠金融总指数较低地区,连锁董事网络对企业融资约束的缓解作用更好;在数字普惠金融总指数的调节作用下,连锁董事网络交际效应对融资约束缓解作用要好于信息效应。

表7为数字普惠金融覆盖广度的分组检验结果。在数字普惠金融覆盖广度更低的地区,连锁董事的点度中心度(-0.0091)、结构洞(-0.1973)缓解企业融资约束的效应均更为显著。经验p值表明上述差异在1%统计水平上显著。比较不同组别Degree和SH系数绝对值大小发现,数字普惠金融覆盖广度对连锁董事网络交际效应的调节作用要大于信息效应。回归结果与总指数回归结果一致。

表8为数字普惠金融使用深度的分组检验结果。在数字普惠金融使用深度更低的地区,连锁董事的点度中心度、结构洞缓解企业融资约束的效应均更为显著;且不同组别SH系数绝对值均大于Degree系数绝对值,说明数字普惠金融使用深度对连锁董事网络交际效应的调节作用要大于信息效应。经验p值表明Degree和SH的组间系数差异分别在5%和1%统计水平上显著,支持这一差异的显著性。回归结果与前文结果一致。

表9为数字普惠金融数字化程度的分组检验结果。在数字普惠金融数字化程度更低的地区,连锁董事的点度中心度(-0.0109)、结构洞(-0.2799)缓解企业融资约束的效应均更为显著;且连锁董事网络交际效应的调节作用要大于信息效应。经验p值表明上述差异均在1%统计水平上显著,进一步支持这一差异的显著性。回归结果与覆盖广度、使用深度结果一致。至此,假设2a和假设2b得到验证。

表9 数字普惠金融数字化程度分组检验结果

综上,对数字普惠金融总指数以及分项指数的回归结果显示,连锁董事网络的信息效应和交际效应均对企业融资约束具有一定的缓解效应,且这种缓解效应在数字普惠金融发展较差地区更为明显。这说明在数字普惠金融发展较好地区,由于资金获取更为容易,企业对连锁董事网络缓解融资约束的依赖程度较低;在数字普惠金融发展较差地区,连锁董事网络是企业在正式融资制度安排以外获取资金的重要渠道补充。此外,数字普惠金融对连锁董事网络缓解融资约束的交际效应的调节作用要大于信息效应。

5. 异质性分析

异质性检验部分将考虑企业产权性质、企业规模、行业类型等因素对连锁董事网络与企业融资约束间关系的影响。

(1) 产权性质。连锁董事网络与企业融资约束间的关系会受到企业性质的影响。相较于民营企业,国有企业、集体企业等非民营企业更容易达到传统金融对企业融资设定的门槛;加之预算软约束的存在,非民营企业更多受到当地政府的隐性支持,更容易获得政策偏袒,从而易于获得金融机构贷款。此外,非民营企业的行政管理制度与法人治理结构间的融合仍然存在一定的难度,这在一定程度上制约了包括董事、经理等在内的高管治理作用的发挥。而民营企业更加受制于企业规模、抵押物等因素,面临的外部融资约束更大。为了维持企业运营,民营企业会更重视连锁董事所拥有的信息资源和交际能力,借助非正式制度安排帮助企业获得融资。因此,本文认为不同产权性质企业中连锁董事网络所发挥的作用不同。

基于上述分析,设立产权性质(Nature)分组变量,对基准模型进行回归检验,结果见表10。从列(1)列(2)结果可知,民营企业连锁董事网络点度中心度Degree对融资约束的缓解效应在1%统计水平上显著,而非民营企业连锁董事网络点度中心度回归系数未通过显著性检验。经验p值为0.0001,在1%统计水平上显著,组间系数差异显著性得到验证,即连锁董事网络信息效应对融资约束的缓解作用在民营企业中更为显著。列(3)列(4)结果表明,尽管民营企业样本中结构洞系数(-0.1010)对融资约束的缓解作用强于非民营企业(-0.0689),且分别在1%和5%统计水平上显著,但二者系数差异的经验p值为0.174,表明二者的差异并未达到显著性水平。根据以上结论可知,连锁董事网络的信息效应对缓解民营企业融资约束的效果更为显著,结构洞所代表的交际效应在融资约束缓解效应中不具备统计学意义的显著差异。

表10 产权性质分组回归结果

(2) 企业规模。企业规模一定程度上会影响信贷资金的获得,大规模企业往往具备更雄厚的资产实力,容易获得传统金融机构信贷融资,而中小规模企业更易受到融资约束,从而更可能借助非正式手段获得融资,故将企业规模作为异质性特征对基准模型进行检验,回归结果如表11所示。按照国家统计局公布的企业规模划分标准,将员工规模大于或等于1000的企业界定为大规模企业,反之为中小规模企业。

可以看出,中小规模企业的连锁董事网络点度中心度Degree和结构洞SH的系数绝对值均要大于大规模企业,且估计结果至少在5%统计水平上显著。这说明相比大规模企业,中小规模企业连锁董事网络的信息效应和交际效应能显著缓解企业融资约束。经验p值表明上述差异分别在1%和5%统计水平上显著,支持系数差异显著的结论。以上结论也证实大规模企业在传统融资框架下更具优势,这使得大规模企业对传统融资渠道以外的途径缺乏争取的内生动力;中小规模企业往往面临更加严格的融资约束,在传统信贷门槛的限制下,更有动力去寻找新的融资渠道。连锁董事网络对融资约束的有效缓解显然成为中小规模企业的更优选择。因而,相比大规模企业,中小规模企业更倾向于选择连锁董事网络缓解融资约束,实证结果也证实在这类企业中,连锁董事网络的信息效应和交际效应对融资约束的缓解作用更为显著。

(3) 行业类型。企业所处行业不同,其在资金需求的周期、总量等方面存在差异,因而考虑行业类型在连锁董事网络与企业融资约束关系中的差异。相比其他行业,制造业的经济周期强,融资特点突出。中国制造业多数处于产业链中游,在产业转型升级的压力下,对融资的需求在不断加大;且样本数据中制造业上市公司数量占比达到73%以上,故本文参照孙秀峰等(2021)的做法,按照是否处于制造业设置分组变量,随后对基准模型进行回归,结果见表12。

从表中可知,制造企业的连锁董事网络点度中心度Degree和结构洞SH系数均在1%统计水平上显著,在非制造业企业中仅点度中心度在5%水平上显著,结构洞系数未通过显著性检验。分组系数差异显著性检验结果显示,仅Degree分组的经验p值为0.099,组间系数差异在10%统计水平上通过显著性检验,这表明连锁董事网络点度中心度所发挥的信息效应在制造业企业中能发挥更好的融资约束缓解效应。

六、 结论与启示

本文采用2011-2022年1973家中国上市公司数据,分析企业连锁董事网络对融资约束的影响。实证结果显示:连锁董事网络通过信息效应和交际效应的发挥,起到缓解企业融资约束的作用。当连锁董事具有较高点度中心度和占据较多结构洞位置时,有助于发挥其信息效应和交际效应优势,帮助企业获得更多利于融资的信息,进而缓解企业融资约束。数字普惠金融对连锁董事网络缓解企业融资约束具有显著的调节作用,在数字普惠金融发展程度较低地区,连锁董事网络对企业融资约束的缓解作用更好;在数字普惠金融的调节作用下,连锁董事网络交际效应对融资约束缓解作用要好于信息效应。本文进一步分析了产权性质、企业规模以及行业属性等因素在连锁董事网络缓解企业融资约束中发挥作用的差异,研究结果表明:产权异质性会影响民营企业连锁董事网络缓解融资约束效应的发挥,且连锁董事网络的信息效应对民营企业融资约束的缓解效应更显著;相比大规模企业,中小规模企业连锁董事的信息效应和交际效应能显著缓解企业融资约束;连锁董事网络信息效应在制造业中的融资约束缓解作用更为显著。

根据上述研究结论,本文提出以下相关建议:第一,对民营企业而言,尤其是当企业所在地数字普惠金融发展程度较差时,应更加重视连锁董事网络对获取融资的帮助。民营企业在企业规模、抵押物等方面具有“硬伤”,应当从连锁董事网络这一“软”资本入手,通过遴选网络中心度较高、占据结构洞较多的董事,发挥连锁董事的信息效应和交际效应,帮助企业获取更多有利融资的信息资源,通过降低企业融资成本、提升融资效率达到缓解融资约束的目的。第二,从政府角度看,地方政府应加快数字普惠金融建设,扩大数字普惠金融覆盖广度,增进数字普惠金融使用深度,提高数字普惠金融数字化程度,加强数字普惠金融服务,借助信息科技拓展金融的触达深度,完善数字普惠金融对民营企业等弱势群体的融资功能,进一步发挥连锁董事网络这一非正式制度作用,降低企业融资成本,减少企业与金融机构间信息不对称,提高融资效率,为企业提供更多元化的融资渠道。