数字金融发展有助于企业去杠杆吗

赵芮 曹廷贵

内容提要：以2011-2018年中国沪深A股非金融上市企业为样本，研究数字金融发展对企业杠杆率的影响及作用机制。结果表明，数字金融发展能够显著降低企业杠杆率。区分企业杠杆率的期限结构差异后发现，数字金融发展无论是对企业的短期杠杆率还是长期杠杆率均存在显著的负向影响。同时异质性分析表明，数字金融发展对企业杠杆率的负向影响在国有企业、大规模企业、低盈利企业和高杠杆企业中较大。机制分析则表明，数字金融发展能够通过减少融资成本、缓解融资约束和弱化经营风险的方式来降低企业杠杆率。此外，进一步研究发现，积极推进市场化进程、降低信息产业税收水平、优化科技创新环境以及适当加强金融监管，有助于提升数字金融发展去杠杆的积极作用。

一、 引 言

近年来，随着互联网技术水平不断提高、新型信息基础设施日趋完善以及传统基础设施智能化改造持续推进等，数字化技术开始日益与传统金融行业融合，并催生了数字金融的发展。具体而言，数字金融是指传统金融机构和互联网企业利用不断更新迭代的数字化技术，在传统金融服务和新型金融服务等方面(黄益平和黄卓，2018)，实现服务效率和质量提升的金融发展模式。据《北京大学数字普惠金融指数报告》显示，中国数字普惠金融指数的中值在2011年仅为33.6，到2020年则增长到了334.8，年均增长率高达29.1%，同时其对经济辐射的广度、深度和力度也在不断凸显(郭峰等，2020)。

然而，在数字金融发展加速经济结构重构、推动经济发展的同时，中国非金融企业部门的杠杆率却仍相对较高。据WIND统计数据显示，中国非金融企业部门总负债在2011年为74.18万亿元，到2020年增长到了164.89万亿元，杠杆率则从2011年的118.20% 增长到了2020年的162.30%。与此同时，通过限制银行资产负债表扩张的传统去杠杆方式也显现出不利于经济高质量发展的一面(马草原和朱玉飞，2020)。为避免传统去杠杆方式产生流动性紧缺，造成实体经济部门衰退(Eggertsson 和Krugman，2012)，中央财经委员会于2018年提出了结构性去杠杆，以弥合传统去杠杆方式的负向影响。

因此，在持续贯彻落实结构性去杠杆的背景下，积极探索企业去杠杆的有效方式具有重要现实意义。而数字金融作为新兴的金融发展模式，能否利用自身的优势，减少传统去杠杆过程中可能产生的负面影响，推动企业实现结构性去杠杆？其对不同企业的杠杆率是否有异质性影响？作用机制又有哪些？研究清楚这些问题，无疑既有助于探索企业结构性去杠杆的有效路径，也有助于有效发挥数字金融的积极作用，还有助于防范化解企业杠杆率过高可能引发的系列风险，从而促进经济高质量发展。

同时，从文献的角度来看，有关数字金融发展的研究主要从宏观层面展开，研究其对可支配收入、消费、创新创业、城市创新能力以及经济增长等方面的影响(张勋等，2019；易行健和周利，2018；谢绚丽等，2018；潘爽等，2021；Kodan和Chhikara，2013)，对微观企业层面的研究相对较少，且集中在它对企业创新影响的研究(梁榜和张建华，2019；唐松等，2020；吴庆田和朱映晓，2021)。而有关企业杠杆率的研究则主要集中在企业杠杆率变化产生的宏微观影响，如其对经济波动、经济增长、系统性金融风险、债务风险以及消费等方面的影响(Eggertsson和 Krugman，2012；Reinhart和Rogoff,2010；潘敏和袁歌骋，2018；刘勇和白小滢，2017)，而对如何有效去杠杆的路径研究相对较少。由此可见，鲜有文献对数字金融发展与企业杠杆率之间的关系进行深入的研究，而在“结构性去杠杆”持续推进的背景下，探索数字金融是否是企业结构性去杠杆的有效路径具有重要意义。

有鉴于此，本文以2011-2018年中国沪深A股非金融上市企业为样本，深入研究数字金融发展对企业杠杆率的影响以及作用机制。与已有文献相比，本文具有以下几点贡献：第一，从微观企业层面出发，考察数字金融发展对企业杠杆率的影响，既能丰富有关数字金融发展的研究内容，也能为有效降低企业杠杆率提供路径参考；第二，分析数字金融发展对不同企业的杠杆率的影响，可以为不同特征的企业去杠杆提供差异化的指导；第三，研究数字金融发展对企业杠杆率的作用机制，不仅有助于从作用机制上深入了解数字金融发展如何影响企业杠杆率，而且能够为防范化解企业杠杆率过高而可能引发的系列风险提供应对思路；第四，检验外部经济环境对数字金融发展与企业杠杆率关系的影响，能够为政府采取何种措施来有效发挥数字金融的积极作用提供依据。

二、 文献回顾与研究假设

1. 文献回顾

随着数字金融的不断发展，近年来学者们开始从不同的视角对其进行研究。在宏观层面，已有文献表明，数字金融发展不仅有助于提高居民的可支配收入和消费水平(张勋等，2019；易行健和周利，2018)、鼓励居民参与创新创业(谢绚丽等，2018)，而且有助于缓解贫困(朱一鸣和王伟，2017)、缩小城乡收入差距(周利等，2020)、提升城市创新能力(潘爽等，2021)，从而推动经济发展并使其实现包容性增长(Kodan和Chhikara，2013；张勋等，2019)。此外，数字金融还可以通过减轻金融摩擦来缓解货币政策的冲击(战明华等，2018)，但也对货币政策的有效性提出了新挑战(黄益平和黄卓，2018)。

在微观层面，数字金融也产生了明显的影响。一方面它可以通过提供相对更为高效的支付方式以及多层次的金融服务等，来降低金融产品的购买门槛，满足消费者的购买需求(郭峰等，2020)，另一方面因数字金融存在技术溢出效应，并能通过大数据和互联网等信息平台来降低信息不对称，使得它不仅能够提高银行的全要素生产率(沈悦和郭品，2015)，而且可以降低企业的融资成本(唐松等，2020)。除此之外，数字金融发展及其覆盖的广度、使用的深度和数字化的程度还有助于提高企业的技术创新水平(梁榜和张建华，2019；唐松等，2020；吴庆田和朱映晓，2021)。

而有关企业杠杆率的研究，自Fisher(1933)构建债务-通缩理论之后开始不断深入，并成为宏观经济和公司金融领域讨论的重点(马草原和朱玉飞，2020)。在宏观层面，诸多学者主要从金融周期的角度出发，将企业杠杆率的变化与信贷量的变化相结合，以此来考察企业杠杆率变化对宏观经济的影响(Eggertsson 和 Krugman，2012；Reinhart和Rogoff，2010)，或者通过构造理论模型来研究企业杠杆率对系统性金融风险、经济增长以及经济波动等方面的影响(潘敏和袁歌骋，2018；刘勇和白小滢，2017)。在微观层面，则主要研究企业杠杆率变化对企业的技术创新(王玉泽等，2019)、生产效率(马草原和朱玉飞，2020)以及盈利能力(龙海明和胡鸣，2020)等方面的影响。

综上，不难发现，已有文献无论是对数字金融发展的研究还是对企业杠杆率的研究，鲜有将二者结合起来，深入研究数字金融发展对企业杠杆率的影响以及作用机制。而从微观企业层面出发，对数字金融发展与企业杠杆率之间的关系展开研究，将既有助于丰富有关数字金融研究的内容，也有助于探索企业去杠杆的有效方式，还有助于为防范企业杠杆率过高可能引发的系列风险提供应对思路。

2. 数字金融发展对企业杠杆率的影响

依托大数据、云技术以及互联网等现代化信息技术应运而生的数字金融，能够使金融机构和企业之间以数字化的信息流为牵引，提高信息共享程度、降低信息不对称(黄益平和黄卓，2018)，减少金融机构对企业进行信贷时的评估成本和审核成本等成本，进而提升投融资效率并实现资源优化配置。而且在资金出借后，数字金融还能使金融机构通过互联网等信息平台，增加对企业的实时了解，有效监督其出借资金的流向，保障资金的安全性，减少呆坏账损失，从而降低企业的融资成本(唐松等，2020)。由成本收益理论可知，融资成本的降低会减少企业生产运营的成本，增大其投资经营的收益，使企业有更多盈余资金用于扩大再生产和债务偿还，从而降低企业杠杆率。

与此同时，从资金供给的角度来看，数字金融还可以通过弥补传统金融服务的不足、拓展金融服务的覆盖范围来缓解企业所受融资约束(张勋等，2020)。这是因为数字金融一方面能够打破地域限制，实现投资主体多元化，提高融资资金的可获得性；另一方面可以通过借助不断完善的信息化技术，提高对资金需求方的有效识别和甄选，减少资金出现错配的概率，弱化企业所受的融资约束程度。而从资金需求的角度来看，数字金融发展可以使原本被传统金融排除在外的、存在流动性约束的非国有和小规模等抵押品有限的企业，获取更多的信贷资金，降低它们所受的融资约束(Karaivanov，2012)。由融资约束理论可知，融资约束程度的降低，可以使企业及时获得投资、生产和经营所需的资金，减少企业可能会遇到的财务风险或财务困境，保障企业的有效投资需求。企业有效投资需求得以满足有助于提高企业的盈利水平，使其有更多的盈余资金用于债务偿还，从而降低企业杠杆率。

此外，代理理论表明因信息不对称而造成的委托代理问题会导致管理层存在“短视行为”，并有动机利用管理权进行投机活动以提高自身收益，这不仅不利于企业发展，而且会增大企业经营过程中的风险(赵芮和曹廷贵，2021)。而数字金融可以通过借助大数据、云计算等技术形成实时的数字化信息流，来联通企业生产、投资和经营等各方面的信息(吴庆田和朱映晓，2021)，提高股东和管理层之间的信息共享程度，从而强化股东对管理层行为的监督，弱化管理层的投机行为，进而降低经营风险。除此之外，数字金融发展还能通过帮助企业建立健全自身的风险预警系统和控制体系，来提高其应对风险的灵活性(沈悦和郭品，2015)。经营风险的降低和风险承担能力的提高，有助于增大企业的盈利水平和偿还债务的能力，进而降低企业杠杆率。

综上，结合成本收益理论、融资约束理论以及代理理论可知，数字金融发展可能会通过减少融资成本、缓解融资约束和弱化经营风险的方式来降低企业杠杆率。有鉴于此，提出如下研究假设：

H1：数字金融发展与企业杠杆率负相关，即数字金融发展能够降低企业杠杆率。

3. 数字金融发展对企业杠杆率影响的异质性分析

在以银行为主的传统金融结构下，中国信贷资金的配置对国有企业具有一定的偏向性，使得国有企业相比于非国有企业更易以相对较低的成本从银行等金融机构获取信贷资金，导致其杠杆率相比于非国有企业较高(钟宁桦等，2016)。由金融中介理论可知，从银行等金融机构以相对较低的成本获取贷款，会激励国有企业在金融市场上充当金融中介，以赚取中介收益，尤其是在自身盈利能力较低的情况下(彭俞超和黄志刚，2018)。而数字金融发展一方面能够提高融资资金的可获得性从而减少融资成本、缓解非国有企业的融资约束，另一方面则能通过降低信息不对称来平抑国有企业的中介收益，从而抑制国有企业和非国有企业的杠杆率。但在这两方面影响的作用下，相比于杠杆水平相对较低的非国有企业，数字金融发展可能对杠杆水平较高的国有企业杠杆率的影响较大。

同理，与抵押品相对较多、规模相对较大的企业相比，规模较小的企业通常会因抵押品不足和经营风险较大而面临较高的融资歧视，使其从银行获取信贷资金的成本较高、信贷资金量较少(彭俞超和黄志刚，2018；赵芮和曹廷贵，2021)。融资歧视程度不同激励着贷款成本较低的大规模企业投身金融市场充当金融中介，以获取中介收益，这不仅会扩大影子银行的规模，而且会使大规模企业的杠杆率较高(钟宁桦等，2016)。而数字金融发展既能减少小规模企业所受融资歧视程度，增加其融资来源，也能够平抑大规模企业的中介收益，从而降低二者的杠杆率。但与杠杆水平相对较低的小规模企业相比，数字金融发展可能对杠杆水平较高的大规模企业杠杆率的影响更大。

同时，融资优序理论表明，当存在信息不对称时，企业会尽量选择成本相对较低的方式进行融资，即内源融资会优先于外源融资。这就会使得企业在经营状况较好、盈利水平较高时，多储备一些现金或尽量减少债务量，以保障未来生产投资和经营的连续性，从而导致盈利能力相对较强的企业的杠杆率相对较低，而盈利能力相对较弱的企业则拥有相对较高的杠杆率(王玉泽等，2019)。由于低盈利企业的主营业务成长性较低，获利空间较小，使得它不仅没有能力偿付相对较高的负债，反而会因高负债而使得企业的经营风险增大，导致管理层可能会为了降低杠杆率而从事投机活动。而数字金融发展一方面有助于减少信息不对称、压缩投机套利空间(唐松等，2020)，另一方面有助于资源从低盈利企业向高盈利企业转移。这会使数字金融发展对杠杆水平相对较高的低盈利企业杠杆率的影响较大。

此外，权衡理论指出，企业杠杆率是由企业负债需承担的破产和代理等成本与负债所带来的税盾收益的大小所决定的(马草原和朱玉飞，2020)。对于高杠杆企业，其负债水平可能超过了自身所能承担的合理水平，使得其高负债带来的预期破产成本和代理成本等成本高于低杠杆企业，同时由于税盾收益具有边际递减效应，导致高杠杆企业负债增加带来的边际收益小于低杠杆企业。在这两方面因素的作用下，数字金融发展可能会通过优化资源配置、降低企业破产成本和代理成本等来对企业杠杆率施加影响，使得高杠杆企业相比于低杠杆企业去杠杆的损失较小、收益较大，从而导致数字金融发展对高杠杆企业的去杠杆作用相对较大。根据以上分析，提出如下研究假设：

H2：数字金融发展对企业杠杆率的负向影响在国有企业、大规模企业、低盈利企业和高杠杆企业中较大。

三、 研究设计

1. 样本选择与数据来源

本文的数据源自于WIND数据库和CSMAR数据库，其中企业层面的数据主要来自CSMAR数据库，宏观层面的数据则主要源自WIND数据库。对2011-2018年中国沪深A股上市企业的数据做如下处理：删除金融业和房地产业的企业样本；删除ST类企业样本；删除含有缺漏值的样本。最终得到3140家非金融上市企业，共计17989个观察值。为克服样本异常值的影响，对除宏观经济变量和上市时间以外的连续变量，采取上下1%的Winsorize处理。

2. 模型设定

借鉴已有文献的研究方法(谢绚丽等，2018；唐松等，2020；丁剑平等，2020)，构建模型如下：

levit=λ0+λ1dfiit+∑jφjcvjit+∑iδiIndustryi+∑tρtYeart+εit

(1)

其中，lev代表企业杠杆率；dfi代表数字金融发展水平；cv表示一系列的控制变量；Industry和Year则分别代表行业和时间固定效应；ε为随机误差项；j代表第j个控制变量。利用模型(1)检验假设1，重点关注数字金融发展水平(dfi)的回归系数λ1，若λ1为正且显著，则说明数字金融发展能够增大企业杠杆率，假设1不正确。反之，若λ1为负且显著，则表示假设1正确。

为检验数字金融发展是否因企业特征不同而对企业的杠杆率有异质性影响，在模型(1)的基础上，引入数字金融发展和企业分组变量的交乘项(dfi×var)，并检验其系数大小和显著性。如果交乘项(dfi×var)的系数为负且显著，则说明假设2正确，否则假设2不正确。

3. 变量定义

(1) 企业杠杆率(lev)。采用总负债与总资产之比作为企业杠杆率的代理指标(丁剑平等，2020)。考虑到不同期限的企业杠杆率对企业的偿债能力和生产运营等方面会有不同的影响，因此，将企业杠杆率根据期限差异区分为短期杠杆率(slev)和长期杠杆率(llev)，以全面考察数字金融发展的影响。其中，短期杠杆率(slev)用流动负债与总资产之比表示，长期杠杆率(llev)则用非流动负债与总资产之比表示。

(2) 数字金融发展(dfi)。借鉴已有文献，采用北京大学数字金融研究中心公布的省级层面中国数字普惠金融指数的自然对数作为数字金融发展的代理指标(谢绚丽等，2018；张勋等，2019；唐松等，2020)。该指数是以蚂蚁集团提供的数字普惠金融数据为基础，通过涵盖数字金融的使用深度、覆盖广度以及数字化程度等3个维度进行构建。它已被相关研究证明，能较好地刻画中国数字金融的发展水平。

(3) 控制变量(cv)。为尽量控制遗漏变量的影响，借鉴已有文献(唐松等，2020；王玉泽等，2019)，本文还选取了固定资产占比(fix)、资产收益率(roa)、经营性现金流(cfo)、营业收入增长率(gro)、托宾Q(q)、股权集中度(shr)、企业规模(size)、上市时间(age)和货币增长率(m2)以及经济增长率(gdp)为控制变量。此外，为了控制行业层面的差异以及难以观测到的时间因素对企业的冲击，本文还设置了时间和行业固定效应。

(4) 分组变量(var)。为检验数字金融发展对不同企业的杠杆率的影响，将企业按照所有权(state)、规模(sca)、盈利能力(pro)以及杠杆水平(hl)进行分组。其中，国有企业取值1，非国有企业取值0；高于所有企业规模均值的企业为大规模企业，取值1，反之则为小规模企业，取值0；低于所有企业营业收入增长率均值的企业为低盈利企业，取值1，反之为高盈利企业，取值0；高于所有企业杠杆率均值的企业为高杠杆企业，取值1，反之则为低杠杆企业，取值0。

各变量的具体定义如下表1所示。

表1 变量定义

四、 实证结果分析

1. 描述性统计分析

表2是对各变量进行描述性统计得到的结果。由该表可以看出，企业杠杆率(lev)的均值为0.412，最小值为0.050，最大值是0.868，标准差是0.203。这说明各样本企业的杠杆率存在明显的差异。考虑杠杆率的期限结构差异后，从短期杠杆率(slev)和长期杠杆率(llev)的各统计量可以看出，短期杠杆率的均值为0.332，高于长期杠杆率的均值0.079，且各样本企业的短期杠杆率和长期杠杆率之间存在一定的差异。同时数字金融发展(dfi)的均值为5.286，最小值是3.392，最大值为5.934。从各控制变量来看，固定资产占比(fix)、营业收入增长率(gro)、托宾Q(q)、经济增长率(gdp)的均值大于中位数呈现右偏，上市时间(age)、货币增长率(m2)呈现左偏，资产收益率(roa)、经营性现金流(cfo)、股权集中度(shr)及企业规模(size)的均值和中位数基本一致，大体呈正态分布。

表2 描述性统计分析

2. 基准回归结果分析

由表3可知，数字金融发展(dfi)与企业杠杆率(lev)呈显著负相关，假设1正确。具体而言，表3第(1)列是在控制行业和时间固定效应的基础上，对数字金融发展进行单变量回归得到的结果。第(2)列则是在第(1)列的基础上加入控制变量进行回归，结果表明当其他条件不变时，数字金融发展能够显著降低企业的杠杆率。第(3)和第(4)列则是根据企业杠杆率的期限结构差异，将其区分为短期杠杆率(slev)和长期杠杆率(llev)进行回归，由这两列的结果可知，数字金融发展对企业的短期杠杆率和长期杠杆率均有显著负向影响。同时，从经济意义上来看，当数字金融发展每增加1单位标准差，企业杠杆率的降幅相当于其样本标准差的0.186%，而短期杠杆率和长期杠杆率的降幅则为各自样本标准差的0.126%和0.152%。

从表3第(2)列的各控制变量可以看出，固定资产占比(fix)与企业杠杆率显著正相关，这是因为固定资产越多，抵押品越多，企业的借债能力越强，也就越容易从银行获取抵押贷款，导致其杠杆率较高。资产收益率(roa)与企业杠杆率呈负相关且显著，这表明当资产的利用率相对较高时，单位资产带来的收益相对较多，企业可利用的内部资金会增加，偿债能力也会相应提高，从而使得企业杠杆率下降。经营性现金流(cfo)与企业杠杆率显著负相关，是因为企业经营性现金流越多，其所受融资约束越少，可用于偿还债务和生产经营的现金越多，企业杠杆率越低。营业收入增长率(gro)与企业杠杆率显著正相关，是因为当主营业务收入不断增加时，说明企业的主业发展前景较好，能够给企业带来更多的收益，为获取更多的收益，企业可能会通过增加负债来扩大主营业务。股权集中度(shr)与企业杠杆率呈显著的负相关，则表明企业内部的治理水平越高，其负债水平会越低。企业规模(size)越大，其抵押品相对越多，也就越易从银行等金融机构获取信贷，使得其负债水平越高。上市时间(age)越长，越容易从信贷市场获取贷款，导致其杠杆率越高。经济增长率(gdp)越高，企业所处的宏观环境越好，企业越能够专注主业发展，并降低自身的负债水平。托宾Q(q)和货币增长率(m2)与企业杠杆率之间的关系不显著。

表3 数字金融发展对企业杠杆率影响的基准回归结果

3. 稳健性检验限于篇幅，未列示稳健性检验结果，备索。

为检验上述结论的稳健性，采用以下几种方式进行稳健性检验。

(1) 内生性检验。为避免上文研究中可能存在的内生性问题影响研究结论，采用数字金融发展(dfi)的滞后一期(dfit-1)和滞后两期(dfit-2)作为工具变量，其余控制变量自身作为各自的工具变量，进行广义GMM估计。在工具变量通过了不可识别检验、弱工具变量检验及过度识别检验的基础上，回归结果表明上文结论稳健。

(2) 替换核心解释变量。考虑到数字金融发展依赖于互联网等基础设施的发展，因此借鉴已有研究(谢绚丽等，2018；唐松等，2020)，采用《中国互联网络发展状况统计报告》发布的互联网普及率作为数字金融发展的替代指标进行回归，结果表明上文结论稳健。

(3) 子样本检验。因金融环境的变化会对数字金融发展产生一定的影响，而忽略金融环境的变化可能会影响上文的研究结论。因此为剔除2015年中国发生的金融事件冲击对金融环境的影响，采用2011-2014年的子样本进行回归，结果表明上文结论稳健。

(4) 引入滞后项。考虑到企业上期杠杆率可能对当期的杠杆率产生影响，因此，为避免遗漏上期企业杠杆率而影响上文的研究结论，在模型(1)中引入企业杠杆率的滞后一期(levt-1)进行回归，结果表明上文结论稳健。

4. 异质性分析

表4是按照所有权(state)、规模(sca)、盈利能力(pro)和杠杆水平(hl)对企业进行分组，并在模型(1)的基础上引入数字金融发展与企业分组的交乘项(dfi×var)进行回归得到的结果。具体而言，表4第(1)列是按照所有权(state)分组回归得到的结果。该列的结果表明，数字金融发展与非国有企业杠杆率的回归系数为-0.039，在1%的水平上显著，而数字金融发展与国有企业杠杆率的回归系数则为-0.079，也在1%的水平上显著，这表明数字金融发展对国有企业杠杆率的负向作用相对较大。表4第(2)列是按照企业规模(sca)分组回归得到的结果，该列表明对小规模企业而言，数字金融发展与其杠杆率的回归系数为-0.051，且在1%的水平上显著，同时，数字金融发展与大规模企业杠杆率的回归系数则在1%的水平上为-0.083。这表明相比于小规模企业，数字金融发展对大规模企业杠杆率的负向作用相对较大。表4第(3)列是按照企业盈利能力(pro)分组回归得到的结果，该列表明相比于高盈利企业，数字金融发展对低盈利企业杠杆率的负向作用相对较大。同理，表4第(4)列是按照企业杠杆水平(hl)分组回归得到的结果，该列表明相比于低杠杆企业，数字金融发展对高杠杆企业杠杆率的负向影响相对较大。

表4 数字金融发展对企业杠杆率影响的异质性检验

综上，表4的结果既表明数字金融发展能够显著降低企业杠杆率，也表明数字金融发展对企业杠杆率的影响因企业特征不同而存在异质性，其中，数字金融发展对国有企业、大规模企业、低盈利企业和高杠杆企业的去杠杆作用更大，假设2正确。

五、 数字金融发展对企业杠杆率影响的作用机制分析

上文的研究表明，数字金融发展不仅会显著降低企业杠杆率，而且对国有企业、大规模企业、低盈利企业以及高杠杆企业的去杠杆作用更大。结合上文分析，为进一步检验数字金融发展对企业杠杆率的影响是否会通过减少融资成本、缓解融资约束和弱化经营风险来传导，在模型(1)的基础上，借鉴温忠麟和叶宝娟(2014)的研究，构建中介效应模型如下：

levit=λ0+λ1dfiit+∑jφjcvjit+∑iδiIndustryi+∑tρtYeart+εit

(2)

Xit=α0+β1dfiit+∑jφjcvjit+∑iδiIndustryi+∑tρtYeart+εit

(3)

levit=φ0+β2dfiit+β3Xit+∑jφjcvjit+∑iδiIndustryi+∑tρtYeart+εit

(4)

其中，模型(3)和模型(4)中的X依次代表中介变量融资成本(cost)、融资约束(sa)和经营风险(risk)，因中介变量含有缺失值，为使机制检验的回归系数以及中介效应大小具有可比性，使用删除中介变量缺失值后的样本(15665个观测值)进行回归，得到表5。同时为检验上文结论不受样本观测值变化的影响，利用15665个样本观测值进行检验，上文结论亦不变。并分别用下式表示：cost=财务费用/营业收入(梁榜和张建华，2019)；sa=|-0.737×规模+0.043×规模∧2-0.04×年限|，其中，规模=ln(总资产/1000000)，年限=当年-上市时间，同时，该绝对值越大，代表企业所受的融资约束越大(黄贤环等，2018)；risk=1.4×留存收益/总资产+1.2×营运资金/总资产+3.3×息税前利润/总资产+0.999×销售收人/总资产+0.6×股票总市值/负债账面价值，该指标越小，表示企业的经营风险越高(赵芮和曹廷贵，2021)。

利用上述中介效应模型(2)-(4)分析数字金融发展对企业杠杆率的作用机制，得到表5。为避免在第三步仅对单个中介变量进行回归时，因遗漏其他中介变量而产生内生性问题以及各中介变量间可能存在一定的相互影响而影响研究结论，所以在第三步将所有中介变量纳入到模型(3)进行检验，结果如表5第(5)列所示。其中，表5中的第(1)、(2)、(5)列是对中介变量融资成本(cost)进行检验得到的结果。具体而言，表5第(1)列的结果表明，数字金融发展能够显著降低企业杠杆率。表5第(2)列的结果说明，数字金融发展与企业的融资成本在1%的水平上负相关，也即数字金融发展有助于减少企业的融资成本。表5第(5)列同时考虑了数字金融发展和融资成本对企业杠杆率的影响，由该列可知，数字金融发展与企业杠杆率显著负相关，融资成本则与企业杠杆率显著正相关。这是因为融资成本越高，企业负债经营的成本越高、收益越小，用于债务偿还的盈余资金就越少，导致企业杠杆率较高。由此可见，减少融资成本是数字金融发展作用于企业杠杆率的中介渠道。同时，对该中介效应进行Bootstrap检验发现，其在1%的水平上显著。

表5第(1)、(3)、(5)列是对中介变量融资约束(sa)进行检验得到的结果。由表5第(3)列可知，数字金融发展与企业所受的融资约束之间呈显著的负相关，这表明数字金融发展可以显著减轻企业所受的融资约束。表5第(5)列是同时对数字金融发展和企业所受融资约束与企业杠杆率间的关系进行回归得到的结果，该列表明当其他条件不变时，数字金融发展与企业杠杆率在1%的水平上显著负相关，企业所受融资约束则与企业杠杆率在10%的水平上正相关，这说明当企业所受融资约束越大，企业生产经营所需资金越有可能难以得到保障，从而导致其可用于偿债的盈余资金减少，杠杆率升高。由表5第(1)、(3)、(5)列可知，缓解融资约束是数字金融发展作用于企业杠杆率的中介渠道。同时，Bootstrap检验表明该中介效应在1%的水平上显著。

同理，表5第(1)、(4)、(5)列是对中介变量经营风险(risk)进行检验得到的结果。由表5第(4)列可知，数字金融发展与企业的经营风险在10%的水平上呈显著负相关，这说明数字金融发展有助于弱化企业的经营风险。表5第(5)列是同时对数字金融发展和企业经营风险与企业杠杆率间的关系进行检验得到的结果，该列表明数字金融发展与企业杠杆率在1%的水平上负相关，经营风险则与企业杠杆率在1%的水平上正相关。这是因为当企业的经营风险增加时，企业的经营收益会减少，用于偿还债务的盈余也会减少，导致企业杠杆率升高。由此可见，弱化经营风险是数字金融发展影响企业杠杆率的中介渠道。同时，Bootstrap检验表明，该中介效应在1%的水平上显著。

表5 数字金融发展对企业杠杆率影响的作用机制检验

综上，减少融资成本、缓解融资约束和弱化经营风险是数字金融发展降低企业杠杆率的作用渠道。

六、 进一步分析：外部经济环境的影响

1. 市场化程度

数字金融是经济社会发展到一定程度的产物，它对企业杠杆率的影响不仅与企业特征有关，而且与企业所处的经济环境有关。表6第(1)和第(2)列是利用WIND数据库提供的中国市场化指数(唐松等，2020)，进行分组检验得到的结果。其中高于所有企业所处地区市场化指数中值的企业为高市场化地区的企业，反之为低市场化地区的企业。由表6第(1)和第(2)列的结果可知，相比于低市场化地区的企业，数字金融发展对高市场化地区企业的杠杆率的负向影响较大，且组间系数差异检验表明两组间系数在1%的水平上存在显著差异。这说明不断推进市场化进程有助于提高数字金融发展的去杠杆作用。

2. 信息产业税收水平

数字金融发展与企业杠杆率的关系可能还受信息产业税收水平的影响，这是因为数字金融发展与信息产业的发展息息相关。为检验二者的关系是否受信息产业税收水平的影响，利用模型(1)并结合WIND数据库提供的各省信息产业税收水平进行分组检验。其中高于所有企业所处地区信息产业税收均值的企业为高税收地区企业，反之为低税收地区企业。由表6第(3)和第(4)列的结果可知，数字金融发展与高税收地区企业的杠杆率的关系不显著，但与低税收地区企业的杠杆率却显著负相关，且两组间系数在1%的水平上存在显著差异。这说明降低信息产业税收水平能够更好地发挥数字金融发展的去杠杆作用。

3. 科技创新环境

数字金融是数字化技术与传统金融行业融合发展而形成的金融发展模式，它与企业杠杆率的关系可能受企业所处科技创新环境的影响。为检验科技创新环境是否影响二者间的关系，将各省技术创新专利授权数作为企业所处科技创新环境的分组依据(梁榜和张建华，2019)，其中处于各省专利授权数1/4分位数以上的企业为高创新地区企业，反之为低创新地区企业。表6第(5)和第(6)列的检验结果表明，数字金融发展对高创新地区企业的杠杆率的负向影响较大且更为显著，同时组间系数差异检验表明两组间系数在1%的水平上存在显著差异。这说明优化科技创新环境有助于提升数字金融发展的去杠杆作用。

表6 外部经济环境对数字金融发展与企业杠杆率关系的影响

4. 金融监管程度

对数字金融采取何种程度的监管，不仅会影响它的发展进程，可能还会影响它与企业杠杆率间的关系。为检验金融监管程度是否影响数字金融发展与企业杠杆率的关系，使用地区金融监管费用支出作为企业所处地区金融监管程度的分组依据(唐松等，2020)，其中处于地区金融监管费用支出中值以上的企业为严金融监管地区的企业，反之为松金融监管地区的企业。由表6第(7)和第(8)列的分组检验结果可知，数字金融发展对严金融监管地区企业的杠杆率的负向影响较大，且组间系数差异检验表明两组间系数在1%的水平上存在显著差异。这说明适当加强对数字金融的监管有助于提高它的去杠杆作用。

七、 结论与政策建议

本文以2011-2018年中国沪深A股非金融上市企业为样本，研究数字金融发展对企业杠杆率的影响以及作用机制，得到以下结论：① 数字金融发展与企业杠杆率显著负相关，且考虑企业杠杆率的期限结构差异后发现，数字金融发展与企业的短期杠杆率和长期杠杆率均呈显著负相关关系。这表明数字金融发展有助于降低企业杠杆率，无论是短期杠杆率还是长期杠杆率；② 数字金融发展对企业杠杆率的负向影响因企业特征不同而存在异质性。其中，相比于杠杆水平相对较低的非国有企业、小规模企业、高盈利企业和低杠杆企业，数字金融发展对杠杆水平相对较高的国有企业、大规模企业、低盈利企业和高杠杆企业的杠杆率的负向影响较大；③ 机制分析表明，数字金融发展能够通过减少融资成本、缓解融资约束和弱化经营风险的方式来降低企业的杠杆率；④ 对外部经济环境的研究表明，积极推进市场化进程、减少信息产业税收水平、优化科技创新环境以及适当加强金融监管，有助于提高数字金融发展对企业去杠杆的积极作用。

基于以上分析，本文提出以下几点政策建议：第一，加大政策扶持力度，积极推进市场化进程，以提高数字金融的去杠杆作用。数字金融发展不仅可以降低企业杠杆率，而且其去杠杆的效果受市场化程度的影响。因此，加大对数字金融发展的政策扶持力度，建立健全数字金融发展的基础设施，并积极推进市场化进程，将有助于更好地发挥数字金融的去杠杆作用。第二，加强对信息产业的税收补贴或减免，优化企业所处科技创新环境，以提升数字金融去杠杆的质效。信息产业和数字化技术是数字金融发展的重要基础，为更好地促进数字金融发展和发挥它的积极作用，政府部门可以通过深化科技创新进程，并对信息技术产业进行税收补贴或减免，来推动信息技术更新迭代和科技创新环境优化，从而提升数字金融的去杠杆作用。第三，创新数字金融监管，引导数字金融健康发展，以强化数字金融对企业去杠杆的积极作用。数字金融的发展时间较短，其发展模式也尚未成熟，需要适当加强金融监管，以规范并引导其健康发展。因此，为有效发挥数字金融发展对企业去杠杆的作用，监管部门在对数字金融加强监管、防范其可能产生的潜在风险的同时，应创新金融监管模式，以保障数字金融良性发展，并增强它的积极作用。第四，以数字金融发展为契机，推动金融机构和企业间的数字化链接，使企业主动参与去杠杆。信息已成为现代企业发展的关键要素，通过加强金融机构和企业间的数字化连接，一方面可以使金融机构及时有效地了解企业的经营状况，另一方面可以提高各经济主体间的信息透明度，使企业主动参与去杠杆并将杠杆率控制在合理区间。