数字金融与企业融资约束

刘会芹 舒云辉

[摘要]在我国经济发展进入新阶段的背景下，认识和利用数字金融以支持实体经济高质量发展，对缓解企业融资约束具有重要的现实意义。立足数字金融视角，通过理论分析并采用2011—2021年沪深A股上市公司面板数据为研究样本，验证数字金融对缓解企业融资约束具有显著促进作用。研究表明，数字金融的发展能够有效减轻企业的融资困境，为企业提供更多样化的融资渠道，这一结论在控制稳健性之后依然成立。机制检验发现，可能存在的两条中介传导路径，一是数字金融微观上通过降低融资费用缓解企业融资困境，二是宏观上通过促进要素市场发育缓解企业融资约束。异质性分析表明，这种缓解效应在沿海地区和制造行业更加显著。一系列研究结论能丰富现有研究数字金融与企业融资困境的文献，为后续优化金融政策导向进而发挥自由市场竞争优势、多样化融资渠道提供参考。

[关键词]数字金融；融资约束；融资困境；实体经济

一、 引言

经济发展是国家肌体，金融服务是血脉。习近平总书记一直高度重视中国经济金融的现代化建设，党中央一直鼓励金融业加强科技创新，推动数字金融的发展，为企业提供更加便捷、高效、普惠的金融政策优惠。2022年的两会政府工作报告提出了进一步扩大数字金融的覆盖范围1。当前是我国经济正处于走向高质量发展的新时期，其中实体经济繁荣发展是重中之重。为此，需要在金融服务现代化建设方面不断创新和探索，积极引入新技术、新模式、新业态。而令人担忧的是我国目前的经济形势下，金融部门和企业部门之间存在一种“双荒”现象[1] ：一方面，金融部门持有大量低效率、低收益、低风险的资产，缺乏优质投资机会；另一方面，企业部门亟须得到更多、更便宜、更灵活的资金支持，以应对市场竞争和转型升级。这种“双荒”现象导致“供需错配”，削弱了金融与实体经济之间的协同效应。

一些学者认为，传统金融发展缓慢，虽然体系规模很大，但效率有所欠缺，同时融资渠道也相对不足[2] 。少数企业具有规模和资源的特殊性，它们通常通过财务报表等手段传达“硬信息”，以便利用信息差为自己谋取更多的利益[3] ，这使得传统金融表现出明显的偏向性。数字金融的出现为解决传统金融的顽疾提供了新思路和方法[4] 。数字科技发展促进了传统金融与数字金融的融合[5] ，金融创新得到了数字化技术的强大支持，为解决或改善数字金融面临的难题提供了多样化的方案[4]。宏观影响上，数字金融能够平衡社会发展，让所有人享受到金融服务的好处[6] ；数字金融可以促进实体经济从数量增长向质量提升转变，對其发展有积极作用[7] 。数字金融使企业和家庭摆脱传统金融服务中存在的互斥现象，在收入与分配视角来看亦是如此[8] ，同时GDP会因为金融体系排斥效应而降低。总之，学界一般认为数字金融显著缩小了城乡收入差距、地区金融差距。微观影响上，数字金融利用大数据获取更多金融信息，可以降低交易成本和增加融资渠道，形成多样化的业态[9] ，促进企业创新[10]，减少金融资源分配中的错配问题[11]。数字金融对企业融资约束具有重要影响。互联网金融在收集信息和分析数据方面具有天然优势，通过使用数字金融体系，金融机构可以降低核查企业信用的成本，并使借贷风险更直观、可控，这对企业融资更为有利。Gomber等[12] 指出，海量数据的处理需要低成本、低风险的方式，而大数据、分布式技术、区块链等技术的发展为此提供了可能，这样有利于那些因为信息不对称而无法获得正规金融服务的企业进行融资。喻平等[10] 进一步指出，制度环境也会对企业融资可得性与数字金融发展水平之间的关系产生影响。

经过梳理前人对数字金融与融资约束及其关系的研究发现，探究数字金融对融资约束影响的研究主要集中在宏观层面包容性增长，如收入分配、产业发展、消费水平等方面，以及微观企业层面的科技创新等。而对数字金融如何缓解企业融资难的作用机理问题的研究较少，且缺乏完整的理论框架和分析逻辑。基于此现状，本文拟在总结完善前人研究成果的基础上，进一步探究数字金融与融资约束的影响机制。以期在一定程度上弥补现有文献不足的缺憾和进一步完善对数字金融与融资约束的研究体系，为后续政策制定和金融监管提供参考建议。

与既有文献相比，本文的研究成果在以下几个方面具有一定的理论和实践贡献：（1）不同于研究传统金融的文献来解决企业融资困境，本文立足于当前金融的新形势和新挑战，从更多新兴的视角扩展对当前形势下企业融资困境的理论认识；（2）在两者影响关系中探讨其多重的中介效应，从宏微观两个视角深入探讨其中传导机制；（3）从地理环境与行业属性层面探讨其效应的异质性作用。本文提出的上述思路，有助于更深入地理解数字金融影响企业融资约束的内在机制和路径。

二、 理论分析与研究假设

数字金融的出现为企业提供了全新的融资选择，传统的融资模式和金融体系在信息获取、资金配置、环境运作等方面已显现出明显的弊端，而新兴的数字金融为企业提供了新的契机。数字金融的产生是信息技术与金融服务深度融合的结果。它通过互联网、大数据、人工智能等数字化手段，实现了对企业数据的高效收集和智能化分析，可以更准确评估企业实力、提供个性化的融资方案。同时，数字金融构建了直接对接线上的金融平台，简化了中间环节、降低了融资交易的费用和时间成本。另外，云计算和大数据分析优化了供需关系，提升了信贷资源配置的效率。基于上述分析，本文认为数字金融主要从技术手段、信贷配给、融资渠道三个方面，影响和改善企业的融资约束状况。

从数字金融技术的视角来看，其核心在于利用大数据和人工智能等前沿技术，实现对企业数据的高效智能处理。数字金融通过数字技术提高信贷资源配置效率，改善金融服务质量，实现融资渠道扩大。数字金融是新兴的科技领域，它利用数字化技术和大数据来评估企业的信用，并通过数字网络平台提供快速、高效和个性化的融资服务[13] 。这使得金融机构可以低成本进行企业信用评估，提供个性化融资方案，降低企业的融资难题。以借款宝平台为例，它通过在线评级模型实现了对小微企业精准的信用评级，拓宽了它们的融资渠道。互联网技术可以帮助出资机构发现小微企业的金融需求，也可以帮助中小企业获得更多的生产和传播工具，从而拓展融资长尾市场[14] 。另外，数字金融建立了线上直接联系的模式，缩短了中间环节，可以直接连通企业与投资方，降低了融资时间和支出成本。总体来说，数字金融技术的应用，优化了企业的外部融资环境，明显拓宽了融资的获得途径。

从信贷配给视角来说，信贷配给理论可以很好地解释银行借贷市场的现象，银行倾向于向信用更好的大型客户提供贷款，而中小企业则很难获得银行的信贷支持[15] 。这是因为中小企业通常具有较高的创新潜力，但也面临着较大的不确定性和风险，因此在银行借贷市场上处于劣势，难以通过提供足够的抵押品或支付较高的利率来证明自己的还款能力和项目可行性。信息不对称导致银行信贷配给影响所有企业融资，企业更易受其自身治理结构的限制[16] 。例如，企业所有权、控制权、激励机制等因素会影响企业的投资决策和绩效，从而影响银行对企业的信用评估和贷款条件。为此，发展数字金融，通过大数据等技术手段帮助银行降低获取企业信息、评估信用的成本，实现更优的信贷配置，可有效帮助企业获得更多信贷支持，从而缓解其融资约束。

从融资环境来看，拥有完善的金融系统可以提供高质量的外部融资环境，从而显著减轻企业的融资约束。数字金融的运用能够在金融稳定和金融创新之间找到平衡点，并且能有效地拓展金融服务的范围[17] 。值得注意的是，数字金融作为一种替代性的融资方式，相较于传统的融资方式，可以优化要素市场的配置，提高要素流动性，进而有效地提高企业融资的可得性[18] 。先进技术支持的数字化金融正在深刻地改变传统金融机构的前台获客、中台运营管理和后台风险控制业务全流程。通过运用大数据、智能算法、云计算等技术，数字化金融可以以更高效、更低成本的方式降低供求关系之间的连接成本[19] 。因此，数字金融给企业带来了融资渠道多元化的市场环境，有利于缓解融资环境不足问题。综上本文提出以下假设：

H1：其他条件一定的情况下，数字金融发展水平越高，越有利于缓解企业融资约束。

三、 数据选取与模型构建

1. 数据来源与选取

本文选取沪深两市A股上市公司为研究样本，进行以下筛选和处理：（1）剔除金融行业的上市公司；（2）剔除ST和*ST类的上市公司；（3）剔除数据缺失过多的上市公司；同时对所有连续变量在两端1%处进行缩尾处理，得到28215个观测值作为面板数据。数字普惠金融指数来自北京大学的数字金融普惠金融指数，其余财务数据均来自CSMAR数据库。

2. 模型构建与指标选取

为验证前文提出的假设H1，本文构建如下多元回归模型进行实证分析。

[KZi，t=α0+α1FIi，t+α2Controli，t+∑Industry+τt+εi，t] （1）

（1）融资约束的衡量指标

KZ指数（KZ）。借鉴Kaplan等[20] 的思想构建模型，并采用排序逻辑回归（Ordered Logistic Regression）的方法来计算KZ指数。KZ指数数值越大，意味着上市公司面临的融资约束越高。在本文稳健性检验部分则采用WW指数替换KZ指数。

（2）数字金融的衡量指标

数字金融指数（FI）是由北京大学数字金融研究中心发布，旨在衡量和评估我国数字金融服务的可及性和使用程度的指标，用于衡量不同地区数字金融的发展水平和成熟度。它通常基于多个子指标，例如数字支付、电子银行、移动金融等，来评估数字金融服务的覆盖度、使用率和影响力等。本文所用数据选取省级的数字普惠金融指数，取其对数作为实证分析的代理变量，提高实证结果的可靠性。

（3）控制变量

参照既有相关文献，本文从公司财务、公司治理、会计师事务所等层面选取控制变量，主要包括资产负债率（Lev）、总资产周转率（Tat）、成长性（Growth）、资产收益率（Roa）、企业规模（Size）、股权集中度（Eq）、董事会规模（Board）、上市年限（Age）、經营现金流（Cashflow）、审计意见类型（Opin）。此外，本文还考虑一些企业未观测到的固定效应特征所带来的影响，采用双向固定效应（行业和时间）模型进行回归。各主要变量的定义如表1所示。

四、 实证结果分析与经济解释

1．描述性统计

如表2所示，KZ指数的均值为1.018，标准差2.389，最小值为-5.826，最大值为6.447，这表明在微观层面上，样本中不同企业之间融资约束严重程度相差巨大，各地区企业之间差距相较于以往更大。FI指数的最小值为3.487，最大值为6.129；均值为5.510，中位数为5.673，标准差为0.543，宏观上来说，地区间存在的差异仍然在逐步增大。其他变量数据分布与既有研究基本一致。

2．回归分析

（1）基准回归分析

为验证上述假设，本文如下进行实证回归，结果见表3列（1）。FI对KZ指数的回归系数为-1.9627，在1%的水平上显著，即表示数字金融与企业融资约束有着显著的关系。列（2）加入一系列控制变量后结果仍然显著，系数为-0.3114，在1%的水平上显著。其结果的经济含义在于，数字金融带来了企业融资的新机遇，其发展将有助于改善企业的融资问题。可能的原因是：第一，传统的融资方式通常依赖银行或其他金融机构，并且需要支付高额的利息和手续费，而数字金融可以通过去除中间环节降低融资成本。第二，数字金融可以让更多的投资者参与融资，从而扩大了融资渠道。控制变量中的变量与企业融资约束的相关性分布也与现有研究成果基本一致。

（2）指标降维分析

为了分析数字金融分指数对于融资约束的影响，本文进一步细化数字金融指数。如表3的列（3）、列（4）展示，覆盖广度（FI_Cov）和使用深度（FI_Usa）指标均通过了1%的显著性检验，系数分别为-0.2025和-0.2307。这表明数字金融的覆盖面越广，越有利于地区企业的发展；同时数字金融发展利用数字技术提升金融服务的可获得性、效率和质量，为企业提供更多的融资渠道和选择。这也意味着企业要关注数字金融的两个维度：一是依靠互联网等手段增加金融服务用户群，二是依靠数字技术创新金融服务模式。通过上述操作，可以为企业提供更多的融资机会和方案，有效降低融资约束。列（5）所示为数字化程度（FI_Dig）的回归结果，数字化程度系数不显著可能有以下原因：从经济效应上看，数字化的推广无疑提高了金融服务端的效率，但这种效率提升并没有完全转化为企业融资环境的直接改善，数字化的经济效应可能需要更多的传导路径才能最终体现为企业融资约束的减轻；从实际情况分析我国整体的数字化覆盖率还比较低，许多企业无法获得数字化服务，这也制约了其对实体经济融资问题的支撑作用。综上多方面原因导致了数字化程度的缓解效应并不显著，我国数字化发展仍然任重道远。

3．稳健性检验

（1）更换被解释变量度量方法

本文借鉴Whited等[21] 、刘莉亚等[22]的研究方法，构建WW指数，并采用WW指数作为KZ指数的替换变量用以衡量企业融资约束程度。结果如表4列（1）所示，回归系数为-0.0086，并且通过1%显著，这说明在替换融资约束度量方法之后，本文结论依然稳健。

（2）缩减样本量

直辖市一直在我国经济中享受着更多的政策倾斜和资源，本文借鉴吕靖烨等[23] 的方法，剔除北京、上海、天津、重庆4个直辖市样本后再次进行回归检验，检验结论的稳健性。结果列示于4表列（2），回归结果仍然通过1%显著水平检验。

（3）动态效应检验

考虑到数字金融的作用可能具有滞后性，本文将数字金融指数滞后一期，进行实证检验。如表4列（3）所示，数字金融指数滞后一期通过了1%的统计学意义上的显著性，结果表明，数字金融影响企业融资约束在时间上具有动态效应，随着时间的推移，数字金融对企业融资的约束缓解效果在时间上仍然发挥效用。借鉴Moser等[24] 的方法，本文采用时间交乘行业联合固定效应模型，控制时间和行业的固有差异，进一步提高估计结果的稳健性。结果显示表4列（4），回归结果依旧通过1%显著性检验。

（4）PSM 倾向性得分匹配检验

为避免样本自选择所带来的内生性问题，采用一对一最近邻匹配法对非东部地区企业（处理组）进行匹配，以尽可能减少和东部地区（控制组）之间的差异，从而更精准地评估数字金融对不同地区企业融资状况的影响。以资产收益率、股权集中度、经营性现金流、资产负债率、审计意见为协变量匹配，之后将匹配后的样本重新回归。如表5所示，匹配后，%bias（标准化偏差）小于10%；同时，匹配后的T检验均不显著，理论上能够消除组间差异，这证明此次匹配分组是较为理想的。

然后，对进行倾向性得分匹配（PSM）后的样本重新回归，结果如表6所示，经过PSM重新匹配的KZ指数通过了1%的显著性检验。

（5）工具变量法检验

为解决因反向因果而产生的内生性问题，本文参考了谢绚丽等[25] 的思路，采用工具变量法进行内生性检验，选取互联网普及率（Interp）作为数字金融的工具变量。

如表7所示，第一阶段的回归结果表明，我国的互联网覆盖率越广，数字金融发展水平越高。工具变量系数显著为正，且F统计量远大于临界值10，拒绝了弱工具变量的原假设，说明互联网普及率（Interp）作为工具变量合理有效。第二阶段的回归结果表明，修正了数字普惠金融和民营企业融资约束之间可能存在的干扰因素后，FI系数仍然显著为负，其数值为-0.3343，这说明本文结论成立并具有稳健性。

五、 机制检验

在前述研究中，本文实证验证了数字金融与企业融资约束关系，探索其动态效应；从多个角度探讨数字金融对企业融资约束影响的基础上，进一步探讨两者之间的作用机理和传导路径。这里借鉴温忠麟等[26] 的中介效应模型，以期完整地探讨数字金融与企业融资约束的内在传导机制，在基准回归的基础上新增下列两式：

[Mediatori，t=θ0+θ1FIi，t+θ2Controlsi，t+ΣIndustry+τt+εi，t] （2）

[KZi，t=γ0+γ1FIi，t+γ2Mediatori，t+γ3Controlsi，t+∑Industry+τt+εi，t] （3）

1. 基于融資成本视角的机制检验

在探讨企业融资约束时，融资成本往往是一个不可避免的话题，因为高昂的融资成本会加剧融资的难度，从而加重融资约束的程度。在国内间接融资体系下，由于间接融资渠道的特点，融资成本率也成了企业融资费用的重要风向标。本文借鉴王贞洁[27] 的方法，采用财务费用与总负债的比值来计算企业的融资成本，来反映企业融资费用的高低。从表8的列（1）与列（2）可以看出，两项回归结果均通过了统计学意义上1%的显著性，这说明数字普惠金融的发展能够显著降低企业融资费用率。列（1）系数为-0.0130，表明数字金融的发展能降低企业融资成本，而列（2）加入融资费用率后，回归结果仍然显著，表示融资费用率的降低能够显著降低企业所面临的融资约束。这一实证结论验证了融资费用率作为中介的传导路径存在的可能性。

2. 基于要素市场环境视角的机制检验

已有的研究表明，市场化的发展有可能成为数字金融与企业融资约束的中介机制[1] 。基于市场环境视角来看，数字金融的发展通过减轻要素市场扭曲来缓解融资约束[18] 。本研究借助樊纲等[28] 发布的要素市场发育程度指标（Dist）来实证研究其中介效应。表8列（3）与（4）实证结果显示，要素市场的发育程度对企业融资约束的影响通过了1%显著性检验，系数为0.0107。这表明数字金融的发展可以通过促进要素的流动和配置，进而缓解企业融资约束环境。

六、 异质性分析

1. 基于区域异质性检验

在从全样本的视角探索数字金融和融资约束的关系之后，本文从不同角度考察地区异质性下的数字金融所起到的作用。沿海地区处于我国外向型经济的前沿地带，且地处海上交通中心，具有优越的地理位置，能够更好地面向全球市场，吸引国内外资金和资源进入该地区；基于网络效应的原理，沿海地区数字金融的传播范围也更广，连接更为细致和紧密。一些新型数字金融平台如互联网银行，可以让沿海地区不同的企业与投资者进行高效的交易，有效扩大了融资渠道，提高了融资的成功率。因此，理论上数字金融在沿海地区可能产生更强的融资缓解作用。

表9列（1）、列（2）显示了沿海所产生的实证结果差异，沿海地区分样本系数为-0.3610，通过1%显著性检验，这表明数字金融在沿海地区对融资约束的缓解具有促进作用。非沿海地区系数-0.0552，但未通过显著性检验。实证结果验证了上述理论猜想。

2. 基于行业异质性检验

本文除了研究地理因素对融资的影响，还进一步研究不同行业中企业融资的情况。我国作为制造业大国，制造业通常需要大量的资金投入，如购买设备、原材料、人力资源等，而数字金融可以为制造业提供更多的融资渠道和投资资源，从而降低融资成本和风险。此外，也可以采取数字化方式来解决短期资金周转问题。这些都能够帮助制造业企业优化财务结构和提高运营效率。因此，本文假设数字金融对制造业企业融资约束缓解效应更强。

本文从行业性质差异性出发，划分制造业和非制造业分组回归。回归结果列于表9列（3）与列（4）。非制造业样本通过1%的显著性检验，回归系数为-0.2374。而列（3）制造业样本中，FI指数在1%的水平上显著，系数为-0.4054，这说明数字普惠金融的发展对制造业企业的缓解效应更加显著，这也证实数字金融的蓬勃发展对确保我国制造业的长盛不衰具有重要意义。

七、 研究结论与政策启示

本文基于数字金融视角，利用2011—2021年沪深上市企业数据从理论角度探究其与企业融资约束之间的关系，进行基准回归、传导机制分析以及异质性分析等多个方面实证，以验证数字金融對缓解企业融资约束影响的多重效果。基于以上探索，本文得出以下结论：首先，数字金融的不断发展使企业融资约束困境得到明显的改善。随着数字金融的发展水平越来越高，其对企业融资约束的缓解驱动也越来越明显。其次在机制验证中实证发现，微观层面，数字金融以降低融资费用这一方式作为中介缓解融资约束；宏观层面，本文研究发现要素市场发育和扭曲程度在其中起着中介效应。最后，数字金融在不同地区表现出不同的驱动效应，在沿海地区和制造行业缓解效用更加突出。

针对以上结论，本文提出以下建议：

从企业微观层面，当前数字金融服务还要在更好地覆盖中小微企业、提供定制化解决方案、普及企业数字化理念、降低使用门槛等方面下更大功夫。例如，可以研发更多面向企业的特色数字金融产品和服务，覆盖更多实体经济主体。根据不同行业和类型企业的特点，提供更加个性化的数字化金融解决方案。此外，加强对企业的数字金融相关知识和理念的培训，帮助企业学会利用数字金融工具改善融资状况。

从市场环境层面，为促进数字金融长期健康发展，完善市场环境和生态是不可或缺的一环。具体来说，一是要进一步健全法律法规体系，为数字金融创新提供规范指引。二是要继续优化要素市场，打通生产要素的交易流通壁垒，为数字金融发挥配置作用创造条件。三是要推动不同市场主体公平竞争，防止出现垄断局面影响数字金融的创新活力。四是还须加强行业自律，建立用户反馈和服务评价机制，不断提升数字金融用户的体验。

从政策层面，为推动数字金融更好地服务实体经济，政府部门要从多个方面发力。首先是进一步落实鼓励数字金融创新的政策措施，为企业提供更低成本的融资选择。其次，建立监管协调机制，防止监管重叠或监管空白，促进数字金融监管更加科学化。再次，加强数字金融业的风险防控，严防风险集聚蔓延。最后，完善消费者权益保护，提高企业对数字金融的信任度。推动数字金融更好地服务实体经济，提质增效。

参考文献：

[1] 黄锐，赖晓冰，赵丹妮，等.数字金融能否缓解企业融资困境——效用识别、特征机制与监管评估[J]. 中国经济问题，2021（1）：52-66.

[2] 林滨，王弟海，陈诗一.企业效率异质性、金融摩擦的资源再分配机制与经济波动[J].金融研究，2018（8）：17-32.

[3] 林毅夫，孙希芳.信息、非正规金融与中小企业融资[J].经济研究，2005（7）：35-44.

[4] 黄益平，黄卓.中国的数字金融发展：现在与未来[J].经济学（季刊），2018，17（4）：1489-1502.

[5] Berger A N.The Economic Effects of Technological Progress： Evidence from the Banking Industry[J].Journal of Money，Credit and Banking，2003，35（2）：141-176.

[6] Kapoor A.Financial Inclusion and the Future of the Indian Economy[J].Futures：the Journal of Policy， Planning and Futures Studies，2014（56）：35-42.

[7] 蒋长流，江成涛.数字普惠金融能否促进地区经济高质量发展？——基于258个城市的经验证据[J].湖南科技大学学报（社会科学版），2020，23（3）：75-84.

[8] 黄倩，李政，熊德平.数字普惠金融的减贫效应及其传导机制[J].改革，2019（11）：90-101.

[9] 向洁，胡青江，闫海龙.数字普惠金融发展的区域差异及动态演进[J].技术经济与管理研究，2021（2）：65-70.

[10] 喻平，豆俊霞.数字普惠金融、企业异质性与中小微企业创新[J].当代经济管理，2020，42（12）：79-87.

[11] 任碧云，刘佳鑫.数字普惠金融发展与区域创新水平提升——基于内部供给与外部需求视角的分析[J].西南民族大学学报（人文社会科学版），2021，42（2）：99-111.

[12] Gomber P， Kauffman R J， Parker C， et al.On the Fintech Revolution：Interpreting the Forces of Innovation， Disruption， and Transformation in Financial Services[J].Journal of management information systems，2018，35（1）：220-265.

[13] 贝多广.普惠金融：理念、实践与发展前景[J].金融博览，2016（7）：60-61.

[14] 赵青.互联网金融破解小微企业融资难问题研究——基于长尾理论的视角[J].财会通讯，2017（35）：23-26.

[15] Stiglitz J E， Weiss A.Credit Rationing in Markets with Imperfect Information[J].The American Economic Review，1981，71（3）：393-410.

[16] 杨丰来，黄永航.企业治理结构、信息不对称与中小企业融资[J].金融研究，2006（5）：159-166.

[17] Tsai C，Peng K.The FinTech Revolution and Financial Regulation：The Case of Online Supply-Chain Financing[J].Asian Journal of Law and Society，2017，4（1）：109-132.

[18] 戴静，杨筝，刘贯春，等.银行业竞争、创新资源配置和企业创新产出——基于中国工业企业的经验证据[J].金融研究，2020（2）：51-70.

[19] 杨东.监管科技：金融科技的监管挑战与维度建构[J].中国社会科学，2018（5）：69-91.

[20] Kaplan S N， Zingales L.Do Investment-cash Flow Sensitivities Provide Useful Measures of Financing Constraints？[J].Quarterly Journal of Economics，1997，112（1）：169-215.

[21] Whited T M， Wu G.Financial Constraints Risk[J].The Review of Financial Studies，2006，19（2）：531-559.

[22] 刘莉亚，何彦林，王照飞，等.融资约束会影响中国企业对外直接投资吗？——基于微观视角的理论和实证分析[J].金融研究，2015（8）：124-140.

[23] 吕靖烨，史家荣.数字普惠金融、融资约束与企业债务违约风险——基于中小企业的经验证据[J].武汉金融，2022（9）：41-49.

[24] Moser P， Voena A.Compulsory Licensing： Evidence from the Trading with the Enemy Act[J].The American Economic Review，2012，102（1）：396-427.

[25] 谢绚丽，沈艳，张皓星，等.数字金融能促进创业吗？——来自中国的证据[J].经济学（季刊），2018，17（4）：1557-1580.

[26] 温忠麟，叶宝娟.中介效应分析：方法和模型发展[J].心理科学进展，2014，22（5）：731-745.

[27] 王贞洁.信贷歧视、债务融资成本与技术创新投资规模[J].科研管理，2016，37（10）：9-17.

[28] 樊纲，王小鲁，马光荣.中国市场化进程对经济增长的贡献[J].经济研究，2011，46（9）：4-16.

基金项目：重庆市社会科学规划一般项目“‘双碳目标下数字经济驱动制造业绿色转型的机制与路径研究”（项目編号：2022PY38）；重庆市教育委员会人文社会科学研究一般项目“数字普惠金融对重庆中小企业融资约束的影响路径及治理政策研究”（项目编号：22SKGH315）；重庆理工大学研究生教育高质量发展项目“数字普惠金融对企业融资约束的影响”（项目编号：GZLCX20233521）。

作者简介：刘会芹（1986-），女，重庆理工大学会计学院副教授，硕士生导师，研究方向为年报文本信息经济后果分析等；舒云辉（1997-），通讯作者，男，重庆理工大学会计学院硕士研究生，研究方向为数字金融与数字经济。

（收稿日期：2023-06-27  责任编辑：殷 俊）