数字普惠金融与企业高质量发展
2023-12-17王敏张博文许瑜
王敏 张博文 许瑜
DOI：10．19641/j．cnki．42-1290/f．2023．23．019
【摘要】企业高质量发展是实现经济高质量发展的微观路径， 本文以虚拟经济服务实体经济为目标导向， 以促进企业高质量发展为根本任务， 引入企业绿色创新、 风险承担水平和数字化转型， 讨论数字普惠金融对企业高质量发展的影响机理， 并利用2012 ～ 2020年我国沪深A股上市企业的面板数据进行实证检验。研究发现： 数字普惠金融能够有效促进企业高质量发展， 企业绿色创新、 风险承担水平、 数字化转型是其中重要的机制； 进一步研究发现， 数字普惠金融对企业高质量发展的影响存在产业异质性， 数字普惠金融能够有效支持第二产业和第三产业企业高质量发展， 但无法支持第一产业企业高质量发展。
【关键词】数字普惠金融；企业高质量发展；绿色创新；风险承担；数字化转型
【中图分类号】 F832；F273；F270 【文献标识码】A 【文章编号】1004-0994（2023）23-0135-8
一、 引言
党的二十大报告强调“高质量发展是全面建设社会主义现代化国家的首要任务”。在中国特色社会主义制度的探索中， 高质量发展已成为新时代的主题和“中国模式”的鲜明特色。企业作为经济发展的微观主体， 能否实现高质量发展至关重要。数字普惠金融作为社会的重要资源和数字经济的组成部分， 发挥着服务实体经济的作用， 但长期以来， 传统金融体系“嫌贫爱富”“区域特性”“进入壁垒”等弊病阻碍了高质量发展进程， 融资约束、 资源错配、 数字鸿沟等问题始终存在。目前， 以数字普惠金融为代表的创新金融模式从受众群体到影响范围发生了史无前例的变化， 对居民生活和企业运营产生了深远影响， 借助数字普惠金融促进实体经济高质量发展已成为一项重要任务。
从政策层面来看， 2022年1月国务院印发的《“十四五”数字经济发展规划》提出， “以数字技术与实体经济深度融合为主线， 加强数字基础设施建设， 完善数字经济治理体系， 协同推进数字产业化和产业数字化， 赋能传统产业转型升级， 培育新产业新业态新模式”。2022年2月， 中央全面深化改革委员会第二十四次会议审议通过《推进普惠金融高质量发展的实施意见》， 提出要“拓宽企业直接融资渠道， 有序推进数字普惠金融发展”。从现实层面来看， 根据《2021中国数字金融调查报告》， 近年来企业用户增长迅速， 2021年企业网银用户比例达到86%， 企业手机银行和微信金融服务用户比例也呈稳定增长态势。根据《数字金融蓝皮书： 中国数字金融创新发展报告（2021）》， “数字金融监管走向法治化、 规范化和数智化， 大型金融科技公司拥抱监管稳步推进上市， 数字金融服务实体经济的商业模式将重塑”是未来的趋势。可见， 发展数字普惠金融逐渐成为推动我国高质量发展、 促进国家金融体系建设的顶层规划与现实选择。在此背景下， 研究数字普惠金融推动企业高质量发展符合社会现实需要， 既能够找到虚拟经济服务于实体经济的理论逻辑， 又有利于探索推进我国企业实现高质量发展的科学之策。
现有文献对于数字普惠金融具体效应的研究较为充分， 在宏观、 中观和微观层面均有不同体现。就微观层面而言， 数字普惠金融对企业高质量发展的具体影响涉及诸多方面， 可分为间接影响和直接影响。间接影响通常分析数字普惠金融与企业结构、 生产效率、 财务指标等各个维度之间的关系， 认为数字普惠金融推动了各维度的进步从而帮助企业实现可持续和高质量发展。这类研究表明： 数字普惠金融能够缓解融资约束、 降低企业杠杆和费用（唐松等，2020）、 降低融资成本（江红莉和蒋鹏程，2021）、 改善投融资期限错配（翟淑萍等，2021）， 即主要通过“降成本”和“调结构”两种方式影响企业； 数字普惠金融通过提高创新投入提升了企业全要素生产率（冉芳和谭怡，2021）、 促进了企业绿色创新（钟廷勇等，2022）， 也有利于提升企业价值（李小玲等，2020）， 这些都为企业高质量发展提供了基础条件； 数字普惠金融还会影响企业高管特征（贾俊生和刘玉婷，2021）、 股权质押（李宇坤等，2021）、 风险承担（马连福和杜善重，2021）， 从而提升企业治理水平与经营能力。也有少数文献直接研究了数字普惠金融与企业高质量发展的关系（张超等，2022；潘艺和张金昌，2022）。
总体而言， 现有研究已关注到数字普惠金融对企业的具体影响， 涵盖企业的多个维度， 但其中的具体作用机制有待深入探究。在数字普惠金融和企业高质量发展关系的相关研究中， 已有证据表明两者存在直接和间接的联系， 但对于数字普惠金融和企业高质量发展的直接研究较为匮乏。鉴于此， 本文立足于企业微观主体， 围绕虚拟经济服务实体经济的主题和目标， 积极探索时代背景下数字普惠金融影响企业高质量发展的具体机制。
二、 理论分析与研究假设
（一）数字普惠金融与企业高质量发展
企业高质量发展作为一种内涵式发展模式， 需要注重经济效益、 社会效益和生态效益的统一， 数字普惠金融作为一种新兴的金融业务模式和金融科技手段， 正在积极赋能企业高质量发展。首先， 数字普惠金融强化了企业信息获取能力、 提高了企业融资可得性， 企业因此能够更高效地利用市场信息进行资源要素的重新分配和利用， 这为企业高质量发展打下了坚实的基础。其次， 数字普惠金融能够对企业发展的某些方面产生积极作用， 如抑制企業投融资期限错配行为、 促进企业技术创新水平的提升等， 在降低交易成本的同时为企业创造出更多收益， 在缓解信息不对称的同时革新技术要素， 助力企业高质量发展。最后， 数字普惠金融的发展扩大了劳动就业规模（徐章星等，2020）， 这有利于企业承担缓解地方就业压力的社会责任。在充足的资金支持下， 企业还能够将更多资源用于污染治理和低碳发展， 进行更多层面的责任承担， 为高质量发展保驾护航。
总体而言， 数字普惠金融作为一种外部资源， 极大地影响了企业经营、 创新和决策， 在数字技术的加持下， 赋能企业更强大的信息捕获能力、 创新能力和运营能力， 这可弥补传统发展模式的不足， 为企业高质量发展创造全新动能。因此， 本文提出如下假设：
假设1： 数字普惠金融促进了企业高质量发展。
（二）数字普惠金融、 企业绿色创新与企业高质量发展
绿色创新是解决可持续发展问题的一项风险性活动， 各类企业都在积极探索和实践绿色创新， 甚至将其置于战略层面。与其他创新行为相比， 企业绿色创新活动具有长期性、 高风险性和不可逆性等特点， 且面临着高成本、 资源约束和失败风险（翟华云和刘易斯，2021）。作为金融革命和技术革命的融合体， 数字普惠金融创新了金融模式， 可以通过缓解绿色创新的融资约束、 提升绿色创新的决策意愿、 加强绿色创新的区域竞争作用于企业高质量发展。
第一， 缓解绿色创新的融资约束。根据资源基础理论， 资源禀赋是企业绿色创新的前提与基础， 资金和智力等资源支持了企业的创新行为（Po-Hsuan等，2014）。而数字普惠金融对企业绿色创新最直接的作用途径便是缓解融资约束。此外， 平台的数字化通过打破传统金融模式的空间限制， 能够直接降低融资成本、 拓展融资渠道和方式； 其普惠性能够广泛影响受众群体， 接纳更多以往受到“信贷歧视”的中小企业， 为更多群体提供有效的金融服务。第二， 提升绿色创新的决策意愿。资源问题得到解决后， 是否进行绿色创新受到管理层认知与意愿的影响， 而数字普惠金融在其中发挥了积极作用。一方面， 企业社会责任和绿色创新具有诸多共同之处， 前者显著促进了后者的发展（肖小虹等，2021）， 在数字普惠金融缓解企业融资约束后， 企业拥有更多资源履行社会责任， 因此也更愿意进行绿色创新； 另一方面， 绿色创新是国家层面的重要战略， 企业实施绿色创新有利于向外界传递积极信号， 利益相关者在接收到信号后， 会对企业的形象、 公众信任度与资本市场价值产生影响， 而数字普惠金融解决了绿色创新的后顾之忧， 激励管理层做出绿色创新决策。第三， 加强绿色创新的区域竞争。企业的绿色创新行为不仅受到自身因素的影响， 还会受到外部环境的影响。数字普惠金融则通过促进地区创新水平、 地区财富提升（张勋等，2021）等方式优化商业环境、 营造良好创新氛围， 这种区域环境氛围能够激活绿色创新要素， 产生正向的外部溢出性。同时， 区域间企业会形成竞争效应， 企业会被竞争对手的绿色创新行为所影响， 从而为获得市场竞争有利地位而做出创新行为。
基于以上分析， 本文提出如下假设：
假设2a： 数字普惠金融通过促进企业绿色创新正向影响企业高质量发展。
（三）数字普惠金融、 风险承担水平与企业高质量发展
企业风险承担水平反映了企业追求高利润时为之付出代价的意愿和倾向。何瑛等（2019）指出， 提升企业风险承担水平需要充足的资源。本文认为数字普惠金融作为企业的重要资源， 能够通过提升财务、 经营和管理的风险承担水平影响企业高质量发展。
第一， 提升财务风险承担水平。一方面， 缓解信息不对称和融资约束是数字普惠金融影响企业财务风险的重要途径， 融资渠道的扩充、 融资成本的降低、 融资环境的改善优化了企业资本结构， 有助于降低杠杆率和增强财务稳定性（林爱杰等，2021）； 另一方面， 数字普惠金融的便利性和高效性使企业能够通过偏好持有相当规模的高收益及高回报的灵活资产以提升流动性水平。第二， 提升经营风险承担水平。相比传统金融， 数字普惠金融平台化的服务能为企业提供实现远期战略目标的可持续金融资源， 在此基础上， 其带来的技术支持能够帮助企业进行合理的竞争战略选择。此外， 数字普惠金融基于海量数据建立企业风险防控和信用评价体系， 能够全面、 客观、 高效地识别市场风险， 这有利于企业做出更多可靠性强的投资决策， 企业可通过实施多元化战略和减少非效率投资， 分散其在主营业务上的经营风险。第三， 提升管理风险承担水平。管理风险承担水平受到管理者风险偏好、 个体行为及背景特征等因素的影响， 而数字普惠金融具有公司治理效应， 能够提升非家族股东治理水平（杜善重，2022）、 缓解管理层短视（张嘉伟等，2022）； 同时， 数字普惠金融还能减少因信息不对称导致的逆向选择与道德风险问题， 从而抑制管理层的机会主义行为， 调动管理层的积极性（马连福和杜善重，2021）。在公司治理优化和管理激励的共同作用下， 企业管理风险承担水平将得到提升。
基于以上分析， 本文提出如下假设：
假设2b： 数字普惠金融通过提升风险承担水平正向影响企业高质量发展。
（四）数字普惠金融、 数字化转型与企业高质量发展
数字化转型在企业高质量发展过程中发挥着不可替代的作用。在数字普惠金融的支持下， 企业数字化的进程和速度进一步加快， 能够通过提升市场感知能力、 加快业务融合速度、 优化组织系统结构影响企业高质量发展。
第一， 提升市场感知能力。由于信息不对称的存在， 企业无法获得市场中的完全信息， 借助大数据、 人工智能、 机器学习等现代技术， 数字普惠金融能够精准且高效地搜集海量供需数据， 挖掘客户消费能力和消费需求， 开发高质量产品以获得可持续发展。此外， 数字技术建立起的用户画像能够实现更精准的个性化推送、 定制性服务。通过对市场第一时间的感知， 企业可以及时获得商业信息， 进行决策和战略调整。第二， 加快业务融合速度。当前， 先进制造业和现代服务业融合趋势加强。数字普惠金融与数字化转型都有助于解决传统业务割裂的问题， 前者能够精准、 高效地帮助金融市场弱势群体， 在企业内部和不同企业之间实现业务的转型与融合。例如， “移动支付”催生出的数字出行、 智能医疗和共享经济等商业生态逐渐成熟， 打破了产业边界， 创造出广阔市场。企业利用数字普惠金融提供的技术优势实现资源、 要素、 产能、 市场的连通， 再通过数字化技术整合和配置资源要素， 实现商业模式转型和业务整合及重构， 最终形成业务之间的深度融合发展与价值共创。第三， 优化组织系统结构。一方面， 在数字化转型过程中， 企业可以利用數字普惠金融的资金支持接入和升级ERP系统、 智能财务系统、 线上会议软件等， 在这些工具的支持下， 云端决策、 移动办公、 线上管理等方式重塑了组织结构， 使得不同职能部门被联通， 企业因此能够更高效地进行商业运营和员工管理； 另一方面， 企业数字化转型不仅仅是软硬件层面的转型， 还需要具备数字化思维员工的共同参与， 企业在使用数字普惠金融的过程中培养了更多具备数字技能的人才， 这有利于引导员工改善自身知识结构和培养数字化思维。
基于以上分析， 本文提出如下假设：
假设2c： 数字普惠金融通过促进数字化转型正向影响企业高质量发展。
三、 研究设计
（一）数据来源
本文的研究涉及多层面数据， 其中： 数字普惠金融指数来自北京大学数字金融研究中心； 区域层面数据来自EPS数据库； 企业层面数据来自CSMAR数据库、 WIND数据库等， 为2012 ～ 2020年我国沪深A股上市企业数据， 并利用插值法补齐缺失数据。为提升研究的严谨性和科学性， 按照以下步骤对样本进行筛选： 剔除金融类企业和房地产类企业； 剔除ST企业、 ?ST企业及上市不足一年的企业； 剔除主要变量数据严重缺失的样本； 剔除样本区间不足连续三年的数据； 对样本数据中的所有连续型变量在1%的水平上进行缩尾处理。最后， 根据企业注册地信息， 将市级层面的数字普惠金融指数与企业层面数据相匹配， 得到23923个观测值。
（二）变量选取
1. 被解释变量： 企业高质量发展（H_Dev）。企业高质量发展的评价方法主要有两种： 一是利用某一变量作为企业高质量发展的代理指标， 如企业全要素生产率、 经济增加值等； 二是从高质量发展的内涵出发构建综合指标进行评价。考虑到高质量发展需要反映出企业的多维价值， 本文将企业全要素生产率作为子指标融入评价体系， 在现有研究的基础上， 参考中国中铁《企业高质量发展评价指标》、 《深圳企业高质量发展评价指标体系（2022）白皮书》等国内前沿标准， 依据“五位一体”发展理念， 构建由资源配置协调、 创新能力提升、 经营方式绿色、 管理机制完善和产品服务优质等五个维度共14个指标组成的综合评价体系（如表1所示）， 并利用熵权-Topsis法进行测度。
2. 解释变量： 数字普惠金融（DIF）。参考现有研究， 利用北京大学数字金融研究中心发布的中国数字普惠金融总指数来衡量数字普惠金融， 该指标体系还涉及覆盖广度（DIF1）、 使用深度（DIF2）以及数字化程度（DIF3）三个子指标。为减少数据量级的影响， 本文在具体研究中对各指数除以1000。
3. 机制变量。①企业绿色创新（Green）。企业绿色创新主要体现在技术层面， 考虑到可量化性和客观性， 参考徐佳和崔静波（2020）的做法， 以上市公司绿色专利申请数加1后的自然对数来衡量企业绿色创新。②风险承担水平（Risk）。由于我国股票市场波动性较大且无法准确反映企业真实风险情况， 本文参考何瑛等（2019）的研究， 选取盈利波动性作为风险承担水平的代理变量。③数字化转型（Dig）。企业的数字化转型通常为战略层面的重要决策， 通过年报中披露的关键词及其频率可以近似衡量。本文借鉴吴非等（2021）的研究， 通过Python爬取企业年报中涵盖“人工智能技术”“云计算技术”“大数据技术”“区块链技术”和“数字技术运用”相关特征词的词频， 并剔除关键词前存在“没”“无”“不”等否定词语的表述和非本公司的“数字化转型”关键词， 为克服“右偏性”问题， 实际研究中使用企业数字化转型词频的自然对数值。
4. 控制变量。企业自身与所在地区的社会经济因素均能够在不同程度上影响企业高质量发展， 因此参考现有研究（刘伟等，2021； 张超等，2022）， 选择如下企业层面的控制变量： 企业规模（Size， 企业总资产的自然对数）、 现金流比率（Cash， 经营活动产生的现金流量净额与营业收入的比值）、 两职合一（Dual， 董事长与总经理是同一个人为1， 否则为0）、 产权性质（Soe， 国有控股企业取值为1， 其他为0）、 管理费用率（Mfee， 管理费用与营业收入的比值）。同时， 选择如下区域层面的控制變量： 经济发展水平（Gdp， 地区生产总值）、 政府干预（Gov， 地方公共财政预算支出与地区生产总值的比值）、 城市化率（Urb， 城市人口与总人口的比值）。
（三）模型构建
依据上文的理论分析， 设定如下计量模型验证数字普惠金融与企业高质量发展的关系：
H_Devit=α0+α1DIFit+αCVit+∑Ind+∑Year+εit（1）
其中， CV表示控制变量， ∑Ind表示行业固定效应， ∑Year表示年份固定效应， ε为随机扰动项。
借鉴Baron和Kenny（1986）提出的逐步回归检验法， 在模型（1）的基础上设计本文机制检验模型：
Mit=β0+β1DIFit+βCVit+∑Ind+∑Year+εit（2）
H_Devit=γ0+γ1DIFit+γ2Mit+γCVit+∑Ind+∑Year+εit（3）
其中， M表示机制变量， 包括企业绿色创新（Green）、 风险承担水平（Risk）和数字化转型（Dig）， 其他变量与模型（1）一致。
四、 实证结果与分析
（一）描述性统计
各变量的描述性统计结果如表2所示。其中， H_Dev的最小值为0.049， 最大值为0.314， 平均值为0.177， 说明不同企业的高质量发展水平存在差异。其他变量的统计数据均在合理范围内。
进一步对企业高质量发展指数及其各维度的平均值进行统计， 结果如表3所示。总体而言， 企业高质量发展指数的平均值呈递增趋势， 说明企业高质量发展进程稳步推进。2012 ～ 2020年， 资源配置协调和产品服务优质两个维度较为平稳， 创新能力提升、 经营方式绿色和管理机制完善三个维度则呈增长态势， 说明现阶段企业高质量发展的动力来源于这三个方面。作为核心引擎， 经营方式绿色在其中扮演了重要角色， 这也印证了企业高质量发展是以绿色、 低碳、 环保为核心的发展理念， 它有力地支持了企业走向可持续发展。令人遗憾的是， 资源配置协调和产品服务优质未能成为当前企业高质量发展的动力引擎， 说明企业对资源的开发和利用仍有提升空间， 企业的产品和服务在市场中的竞争力不足。高效率的资源利用和高质量的产品服务将会是潜在的增长点。
（二）基准回归
表4报告了数字普惠金融与企业高质量发展的基准回归结果， 其中列（1）、 列（2）的解释变量均使用数字普惠金融总指数， 分别为加入控制变量后的OLS模型和时间—行业双向固定效应模型。DIF的回归系数均为正， 且在1%的水平上显著， 说明数字普惠金融对企业高质量发展具有显著的正向影响。
列（3） ～ 列（6）的解释变量均使用滞后一期的数据， 采用时间—行业双向固定效应模型， 以更准确地进行因果检验。滞后一期的数字普惠金融总指数（L.DIF）的回归系数为0.111， 且在1%的水平上显著， 进一步验证了假设1。L.DIF1、 L.DIF2、 L.DIF3的回归系数均显著为正， 说明数字普惠金融覆盖广度、 使用深度和数字化程度提升均能够促进企业高质量发展。一方面， 上述回归结果印证了数字普惠金融与企业高质量发展的基本关系， 体现出数字普惠金融具有“结构效应”， 即覆盖广度、 使用深度和数字化程度对企业高质量发展表现出不同程度的赋能作用； 另一方面， 对比数字普惠金融总指数的回归系数（0.111）， 数字普惠金融覆盖广度和数字化程度的回归系数（0.067、 0.058）相对较低， 说明当前数字普惠金融的这两个方面有待加强。
（三）穩健性检验
为保障上述研究结果的准确性， 使用以下方法进行稳健性检验： ①更换解释变量。本文在进行宏微观数据匹配时， 使用了市级层面的数字普惠金融指数， 从现实情况来看， 更大区域维度的数字普惠金融发展情况也影响着微观企业的行为， 因此使用省级层面的数字普惠金融指数与企业层面数据重新匹配后再进行检验。②更换被解释变量。企业高质量发展的另一种常见衡量方式是使用企业全要素生产率作为代理指标， 因此， 本文参考石大千等（2019）的做法， 使用LP法下的企业全要素生产率来衡量企业高质量发展。③修改时间样本。通常将2013年余额宝的诞生看作我国数字普惠金融的元年。在这之后， 数字普惠金融指数能够更准确地衡量我国的数字普惠金融发展状况， 因此， 考虑到时间区间的合理性， 剔除2012 ～ 2013年的数据后重新进行回归。④剔除特殊样本。由于直辖市的经济特殊性， 其数字普惠金融发展速度更快， 企业高质量发展水平也更高， 反向因果问题可能更为严重， 本文参考宋敏等（2021）的做法， 剔除北京、 天津、 上海、 重庆四个直辖市的样本后重新进行检验。⑤高阶固定效应。本文主要采用时间和行业双向固定效应模型， 为进一步保障结果的可靠性， 参考Moser和Voena（2012）的研究， 使用控制“时间×行业”的高阶多维联合固定效应方法进行检验。
稳健性检验结果（表略）显示， 各类方法下主要解释变量的系数均为正， 且在1%的水平上显著， 说明数字普惠金融对企业高质量发展的赋能作用仍然存在， 未受到数据指标选取、 样本区间选取、 控制效应方法等的干扰， 证实了本文实证结果的稳健性。
（四）内生性讨论
本文在实证研究中使用了解释变量的滞后一期数据， 以尽可能减少企业高质量发展对数字普惠金融发展产生反向因果关系而造成的内生性问题。为尽可能地控制模型的内生性问题， 本文借鉴张勋等（2019）的研究， 选取“企业所在地级市到杭州的距离”（Dis）为工具变量。第I阶段的回归结果（表略）显示： 工具变量Dis的系数为-0.004， 且在1%的水平上显著， 说明工具变量与内生变量显著相关； F统计量为656.96， 远大于常规的临界值10， 表明工具变量对内生变量具有较强的解释力。弱工具变量检验采用Cragg-Donald Wald F检验， 该统计量为528.874， 大于容忍10%扭曲下对应的临界值16.38， 表明不存在弱工具变量问题； 工具变量的可识别检验结果采用Anderson典则相关系数LM检验， 该统计量在1%的水平上显著， 拒绝了“工具变量不可识别”的原假设。第II阶段的回归结果（表略）显示， L.DIF的系数为0.612， 且在1%的水平上显著， 该系数大于OLS估计的结果， 说明数字普惠金融能够显著促进企业高质量发展。
此外， 本文参考宋敏等（2021）的研究， 将2015年12月国务院印发的《推进普惠金融发展规划（2016—2020年）》看作一个相对外生冲击， 使用双重差分法进行检验。具体而言， 以企业高质量发展（H_Dev）作为被解释变量， 以双重差分变量Period×Treat（Period为政策提出时点变量，2016年及之前记为0， 2016年之后记为1； Treat表示实验组标识， 若企业所在地级市2015年末的数字普惠金融发展水平小于当年所有地级市的中位数， 则为实验组， Treat取值为1， 反之为对照组， Treat取值为0）作为解释变量， 构建双重差分模型。模型回归结果（表略）显示， Period×Treat的系数在1%的水平上显著为正， 与预期一致， 说明受政策冲击较大的地区的企业高质量发展水平更高， 再次验证了数字普惠金融能够促进企业高质量发展这一结论。
（五）机制检验
表5报告了机制检验结果。其中， 列（1）和列（2）为企业绿色创新机制的检验结果， 数字普惠金融对企业绿色创新的回归系数在1%的水平上显著为正， 说明数字普惠金融能够有效促进企业绿色创新， 数字普惠金融和企业绿色创新对企业高质量发展的回归系数分别在1%和10%的水平上显著为正， 说明数字普惠金融能够通过激励绿色创新从而正向影响企业高质量发展， 验证了假设2a。列（3）和列（4）为风险承担水平机制的检验结果， 数字普惠金融对风险承担水平的回归系数在1%的水平上显著为正， 说明数字普惠金融能够正向影响企业风险承担水平， 数字普惠金融和风险承担水平对企业高质量发展的回归系数均在1%的水平上显著为正， 说明数字普惠金融能够通过提升风险承担水平从而正向影响企业高质量发展， 验证了假设2b。列（5）和列（6）为数字化转型机制的检验结果， 数字普惠金融对数字化转型的回归系数在1%的水平上显著为正， 说明数字普惠金融能够正向影响企业数字化转型， 数字普惠金融和数字化转型对企业高质量发展的回归系数分别在1%和10%的水平上显著为正， 说明数字普惠金融能够通过促进企业数字化转型从而正向影响企业高质量发展， 验证了假设2c。
（六）产业异质性检验
为进一步考察数字普惠金融对不同行业企业高质量发展的影响， 本文依照国家统计局《国民经济行业分类》（GB/T 4754—2011）等相关文件， 将企业按所属行业划分为第一产业、 第二产业和第三产业， 表6报告了产业异质性检验结果。数字普惠金融对第一产业企业高质量发展的影响结果与其他产业形成鲜明对比， 其数字普惠金融总指数、 覆盖广度和使用深度的回归系数均为正， 数字普惠金融数字化程度的回归系数为负， 且均未通过统计显著性水平检验， 说明数字普惠金融无法有效支持第一产业企业高质量发展。而在第二产业和第三产业， 上述回归系数均显著为正， 说明数字普惠金融能够有效支持第二产业和第三产业企业高质量发展。其中， 第三产业的解释变量回归系数均大于第二产业的解释变量回归系数， 说明数字普惠金融对第三产业企业高质量发展的正向影响大于第二产业。
对于第一产业而言， 研发效率差异、 数字基础设施和数字人才缺失、 企业规模和地理环境限制可能是造成企业无法充分利用和发挥数字普惠金融价值的原因。该类企业的研发通常依靠自身或与科研机构、 高校合作， 信息获取和融资受到较大限制。与其他产业相比， 第一產业企业的数字化转型进程较慢， 运营模式和管理运作较为传统， 因此出现数字普惠金融数字化程度负向影响企业高质量发展的迹象。由于需要依靠大量自然资源进行生产和加工， 多数农业企业选址偏向中西部， 这些地区本身数字普惠金融发展水平有限。此外， 尽管数字普惠金融能够影响农户创业行为， 但其支持的是非农创业而不是涉农创业（何婧和李庆海，2019）， 从而引导产业资本朝着其他产业流动。这些都可能是造成数字普惠金融无法促进第一产业企业高质量发展的原因。
五、 结论与建议
在经济高质量发展的背景下， 本文以虚拟经济服务实体经济为目标导向， 以促进企业高质量发展为根本任务， 构建出由资源配置协调、 创新能力提升、 经营方式绿色、 管理机制完善和产品服务优质等五个维度共14个指标组成的企业高质量发展综合评价体系， 并利用2012 ～ 2020年我国沪深A股上市企业的面板数据对数字普惠金融与企业高质量发展的关系及作用机制进行实证检验。研究发现： 数字普惠金融能够有效促进企业高质量发展， 其可通过促进企业绿色创新、 提升风险承担水平、 助力数字化转型正向影响企业高质量发展； 数字普惠金融对企业高质量发展的影响存在产业异质性， 即数字普惠金融能够有效支持第二产业和第三产业企业高质量发展， 但无法支持第一产业企业高质量发展。据此， 本文提出以下建议：
1. 激发数字普惠金融服务实体潜能。数字普惠金融作为一种金融资源， 能够赋能企业数字化转型与绿色创新， 从而有效支持企业高质量发展， 但这依托于良好的区域数字基础设施。因此， 政府应当积极推动数字经济建设、 加快通信网络设施布局。企业应加快数字化技术应用和提升信息化水平， 培养技能丰富的数字人才， 普及推广数字化知识， 革新传统经营模式和生产动能， 促进技术与金融深度融合， 通过联通金融资源与数字要素、 传统要素， 创造可持续发展的新动能。
2. 加大数字普惠金融政策支持力度。本文发现， 第一产业企业在高质量发展过程中无法享受到数字普惠金融的红利， 这可能是因为受到企业地理位置及产业特征等因素的影响。因此， 需要政府进行针对性政策扶持以及宏观调控， 鼓励企业使用数字普惠金融进行创新和转型以形成示范效应。例如， 政策适当向弱势产业倾斜、 搭建合作平台及深化交流协作、 引导与合理配置资金流向， 以发挥数字金融普惠优势， 帮助企业实现协调、 均衡、 有效的高质量发展。缺乏优势的企业更应清楚地认识到数字普惠金融的重要性， 将数字普惠金融与传统金融相结合创造后发优势。
3. 优化数字普惠金融市场运营环境。数字普惠金融带来了巨大红利， 但也需要良好的金融监管和市场环境。当前数字普惠金融扩大了金融受众群体、 深化了金融服务内容， 但也存在着“流动倾向”和“服务偏好”的缺陷， 因此政府需要前瞻性做好数字金融监管， 识别市场中的潜在危机与不良信号， 完善金融监管体系， 加强对数据安全、 交易机制、 价格机制等方面的保护， 破除金融垄断和防范金融风险， 为企业高质量发展良性竞争创造和谐环境， 实现数字普惠金融与高质量发展的良性互动。
【 主 要 参 考 文 献 】
杜善重．数字金融的公司治理效应——基于非家族股东治理视角［ J］．财贸经济，2022（2）：68 ～ 82．
何婧，李庆海．数字金融使用与农户创业行为［ J］．中国农村经济，2019（1）：112 ～ 126．
何瑛，于文蕾，杨棉之．CEO复合型职业经历、企业风险承担与企业价值［ J］．中国工业经济，2019（9）：155 ～ 173．
贾俊生，刘玉婷．数字金融、高管背景与企业创新——来自中小板和创业板上市公司的经验证据［ J］．财贸研究，2021（2）：65 ～ 76+110．
江红莉，蒋鹏程．数字金融能提升企业全要素生产率吗？——来自中国上市公司的经验证据［ J］．上海财经大学学报，2021（3）：3 ～ 18．
李小玲，崔淑琳，赖晓冰．数字金融能否提升上市企业价值？——理论机制分析与实证检验［ J］．现代财经（天津财经大学学报），2020（9）：83 ～ 95．
李宇坤，任海云，祝丹枫．数字金融、股权质押与企业创新投入［ J］．科研管理，2021（8）：102 ～ 110．
林爱杰，梁琦，傅国华．数字金融发展与企业去杠杆［ J］．管理科学，2021（1）：142 ～ 158．
刘伟，戴冰清，刘卫镇．数字金融能驱动经济高质量发展吗？——基于2011～2017年中国省级面板数据的实证分析［ J］．经济社会体制比较，2021（6）：63 ～ 75．
马连福，杜善重．数字金融能提升企业风险承担水平吗［ J］．经济学家，2021（5）：65 ～ 74．
潘艺，张金昌．数字金融、财务风险与企业高质量发展——基于我国A股和新三板制造业上市企业的经验证据［ J］．武汉金融，2022（11）：3 ～ 12．
冉芳，谭怡．数字金融、创新投入与企业全要素生产率［ J］．统计与决策，2021（15）：136 ～ 139．
石大千，胡可，陈佳．城市文明是否推动了企业高质量发展？——基于环境规制与交易成本视角［ J］．产业经济研究，2019（6）：27 ～ 38．
宋敏，周鹏，司海涛．金融科技与企业全要素生产率——“赋能”和信贷配给的视角［ J］．中国工业经济，2021（4）：138 ～ 155．
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．
吴非，胡慧芷，林慧妍，任晓怡．企业数字化转型与资本市场表现——来自股票流动性的经验证据［ J］．管理世界，2021（7）：130 ～ 144+10．
肖小虹，潘也，王站杰．企业履行社会责任促进了企业绿色创新吗？［ J］．经济经纬，2021（3）：114 ～ 123．
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．
翟淑萍，韩贤，陈曦．数字金融對企业投融资期限错配的影响及其路径分析——基于“短贷长投”视角［ J］．广东财经大学学报，2021（4）：96 ～ 110．
张超，钟昌标，杨佳妮．数字金融对实体企业高质量发展的影响研究——基于浙江的实证［ J］．华东经济管理，2022（3）：63 ～ 71．
张嘉伟，胡丹丹，周磊．数字经济能否缓解管理层短视行为？——来自真实盈余管理的经验证据［ J］．经济管理，2022（1）：122 ～ 139．
张勋，万广华，吴海涛．缩小数字鸿沟：中国特色数字金融发展［ J］．中国社会科学，2021（8）：35 ～ 51+204 ～ 205．
张勋，万广华，张佳佳，何宗樾．数字经济、普惠金融与包容性增长［ J］．经济研究，2019（8）：71 ～ 86．
钟廷勇，黄亦博，孙芳城．数字普惠金融与绿色技术创新：红利还是鸿沟［ J］．金融经济学研究，2022（3）：131 ～ 145．
Baron R. M.， Kenny D. A.. The moderator-mediator variable distinction in social psychological research： Conceptual， strategic， and statistical considerations［ J］． Chapman and Hall， 1986（6）：1173 ～ 1182．
Moser Petra， Voena A.. Compulsory licensing： Evidence from the trading with the enemy act［ J］． American Economic Review，2012（1）：396 ～ 427．
Po-Hsuan Hsu， Xuan T.， Yan X.. Financial development and innovation： Cross-country evidence［ J］． Journal of Financial Economics，2014（1）：116 ～ 135．
（责任编辑·校对： 喻晨 陈晶）
【基金项目】陕西省软科学研究计划一般项目（项目编号：2023-CX-RKX-154）；西安市社会科学规划基金重点项目（项目编号：23JX149）；西安外国语大学校级科研一般项目（项目编号：23XWC05）
【作者单位】1.西安外国语大学商学院， 西安 710128；2.深圳大学经济学院， 深圳 518055。张博文为通讯作者
