數(shù)字金融發(fā)展抑制企業(yè)“僵尸化”的實(shí)證研究

高思佳 翁佳怡 高昕

摘 要：僵尸企業(yè)已成為我國(guó)經(jīng)濟(jì)持續(xù)健康發(fā)展的阻礙，如何有效治理企業(yè)僵尸化已成為政府和學(xué)術(shù)界關(guān)注的焦點(diǎn)。本文基于2011—2019年新三板上市公司的樣本數(shù)據(jù)及北京大學(xué)數(shù)字金融研究中心的數(shù)字金融數(shù)據(jù)，采用Logit模型實(shí)證研究了數(shù)字金融發(fā)展對(duì)企業(yè)僵尸化的影響及其內(nèi)在機(jī)制。研究結(jié)果表明：數(shù)字金融的發(fā)展能夠有效抑制企業(yè)僵尸化；融資可得性提高與融資成本降低是數(shù)字金融影響企業(yè)僵尸化的兩個(gè)重要機(jī)制；從數(shù)字金融維度、所在地域差異與是否屬于高科技行業(yè)三個(gè)視角進(jìn)行異質(zhì)性分析。結(jié)果顯示，數(shù)字金融發(fā)展在數(shù)字化程度這一維度對(duì)抑制企業(yè)僵尸化作用最大，數(shù)字金融發(fā)展抑制企業(yè)僵尸化的作用在位于東部地區(qū)和屬于高科技行業(yè)的企業(yè)中表現(xiàn)得更加顯著。

關(guān)鍵詞：數(shù)字金融；企業(yè)僵尸化；融資可得性；融資成本；Logit模型

本文索引：高思佳，翁佳怡，高昕.數(shù)字金融發(fā)展抑制企業(yè)“僵尸化”的實(shí)證研究[J].中國(guó)商論，2023（10）：-110.

中圖分類(lèi)號(hào)：F832 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：2096-0298（2023）05（b）--06

近年來(lái)，在經(jīng)濟(jì)結(jié)構(gòu)轉(zhuǎn)型升級(jí)和防范化解重大風(fēng)險(xiǎn)的時(shí)代背景下，大多數(shù)僵尸企業(yè)依賴(lài)政府補(bǔ)助或銀行續(xù)貸維持生存，嚴(yán)重阻礙了我國(guó)的經(jīng)濟(jì)發(fā)展。僵尸企業(yè)阻礙社會(huì)經(jīng)濟(jì)發(fā)展主要體現(xiàn)在加劇產(chǎn)能過(guò)剩（何帆和朱鶴，2016）、導(dǎo)致資源錯(cuò)配（Kwon et al.，2015）、易誘發(fā)金融風(fēng)險(xiǎn)（申廣軍，2016）等。為治理僵尸企業(yè)，國(guó)家發(fā)展改革委等部門(mén)在2018年發(fā)布《關(guān)于進(jìn)一步做好“僵尸企業(yè)”及去產(chǎn)能企業(yè)債務(wù)處置工作的通知》等文件，強(qiáng)調(diào)僵尸企業(yè)破產(chǎn)退出或改良升級(jí)。2019年2月，習(xí)近平總書(shū)記發(fā)表了重要講話(huà)，指出“要加大力度妥善處理僵尸企業(yè)”。近年來(lái)，數(shù)字金融作為新興金融模式，在信息技術(shù)的支持下，能夠?qū)崿F(xiàn)產(chǎn)業(yè)發(fā)展需求與資本供給的精準(zhǔn)匹配，提高資本的配置效率，進(jìn)而促進(jìn)產(chǎn)業(yè)結(jié)構(gòu)優(yōu)化（程宇，2022）。數(shù)字金融能否有效抑制企業(yè)僵尸化？其內(nèi)在影響機(jī)制又是如何？是否存在其影響的邊界條件？

現(xiàn)有關(guān)于金融發(fā)展與企業(yè)僵尸化的研究較多，主要從政府干預(yù)（張棟，2016）、城商行的設(shè)立（王海等，2021）及其規(guī)模的擴(kuò)張（蔡宏波等，2020）、銀行競(jìng)爭(zhēng)（王俊毅等，2022）、外資銀行開(kāi)放（李旭超等，2021）、地方財(cái)政存款（劉沖等，2020）、融資可得性低（呂靖燁，2022）等方面探索了對(duì)企業(yè)僵尸化的影響?，F(xiàn)有研究鮮有從數(shù)字金融發(fā)展的視角探討對(duì)企業(yè)僵尸化的影響，故有必要對(duì)此進(jìn)行深入研究?；诖耍疚氖褂胠ogit模型，選取2011—2019年全國(guó)新三板上市企業(yè)作為研究對(duì)象，探究數(shù)字金融的發(fā)展對(duì)企業(yè)僵尸化產(chǎn)生抑制作用。研究結(jié)論表明：數(shù)字金融發(fā)展可以有效抑制企業(yè)的僵尸化，并通過(guò)降低企業(yè)融資成本、增強(qiáng)企業(yè)融資可得性?xún)蓚€(gè)渠道來(lái)實(shí)現(xiàn)。通過(guò)異質(zhì)性分析可以得到結(jié)論：數(shù)字金融的數(shù)字化程度對(duì)企業(yè)僵尸化的抑制效應(yīng)最強(qiáng)；相對(duì)中西部地區(qū)，數(shù)字金融對(duì)東部地區(qū)企業(yè)的抑制效應(yīng)更強(qiáng)；相對(duì)非高科技企業(yè)，數(shù)字金融的發(fā)展對(duì)高科技企業(yè)僵尸化抑制作用較強(qiáng)。

本文可能的邊際貢獻(xiàn)主要體現(xiàn)在以下三點(diǎn)：第一，不同于從傳統(tǒng)金融發(fā)展的角度研究企業(yè)僵尸化成因的既有文獻(xiàn)，本文在數(shù)字金融新模式下，探究并證明了發(fā)展數(shù)字金融能夠?qū)ζ髽I(yè)僵尸化產(chǎn)生一定程度的抑制作用，豐富了數(shù)字金融發(fā)展的微觀(guān)效應(yīng)與企業(yè)僵尸化成因的相關(guān)理論。第二，本文從提高融資可得性和降低融資成本兩個(gè)渠道探索了數(shù)字金融抑制企業(yè)僵尸化的內(nèi)在機(jī)制，打開(kāi)了數(shù)字金融發(fā)展與抑制企業(yè)僵尸化的黑箱，為政府部門(mén)更好地發(fā)展數(shù)字金融抑制企業(yè)僵尸化提供建議。第三，從數(shù)字金融的不同維度、企業(yè)所在不同地區(qū)、是否為高科技企業(yè)等方面揭示了數(shù)字金融抑制企業(yè)僵尸化的異質(zhì)性效應(yīng)，探索其邊界條件，為進(jìn)一步抑制企業(yè)僵尸化提供了有價(jià)值的經(jīng)驗(yàn)證據(jù)和政策啟示。

1 理論分析與研究假設(shè)

長(zhǎng)期以來(lái)，“融資難、融資貴”是世界各國(guó)中小微企業(yè)面臨的信貸難題（侯寶鋒等，2022）。隨著數(shù)字金融在我國(guó)的快速發(fā)展，相較傳統(tǒng)金融業(yè)而言，數(shù)字金融依托互聯(lián)網(wǎng)技術(shù)，具有更高可獲得性、更強(qiáng)可持續(xù)性等優(yōu)勢(shì)（劉莉和楊宏睿，2022）。因此，根據(jù)對(duì)已有文獻(xiàn)的梳理，本文通過(guò)融資成本降低效應(yīng)和融資可得性提高效應(yīng)兩方面分析數(shù)字金融抑制企業(yè)僵尸化的內(nèi)在機(jī)制。

（1）融資成本降低效應(yīng)。已有研究表明融資貴成為企業(yè)僵尸化的一個(gè)重要因素（肖爭(zhēng)艷和陳惟，2017;陳金勇等，2020）。數(shù)字金融可通過(guò)以下幾點(diǎn)降低融資成本來(lái)抑制企業(yè)僵尸化：首先，已有文獻(xiàn)表明數(shù)字金融可以通過(guò)大數(shù)據(jù)和互聯(lián)網(wǎng)平臺(tái)緩解信息不對(duì)稱(chēng)問(wèn)題，減少銀企在評(píng)估和核實(shí)信貸企業(yè)方面的成本，進(jìn)而提高企業(yè)的融資效率（趙芮和曹延貴，2022；Goldstein et al， 2019）。其次，數(shù)字金融極具廣度和深度，在金融市場(chǎng)上，無(wú)論是數(shù)字支付、現(xiàn)金還是其他具體形式，尋找和識(shí)別風(fēng)險(xiǎn)的費(fèi)用都大幅減少（唐松等，2020）。此外，數(shù)字金融的應(yīng)用優(yōu)化了金融類(lèi)產(chǎn)品和服務(wù)的分配效率，縮短了銀行與企業(yè)之間的空間距離，促使非融資集團(tuán)能夠以較低成本相對(duì)容易地獲取金融服務(wù)（翟淑萍等，2022）。最后，數(shù)字金融平臺(tái)具有多產(chǎn)品集成功能，數(shù)據(jù)收集有助于商業(yè)銀行提高風(fēng)控模型的準(zhǔn)確性，降低企業(yè)的融資成本（黃益平和邱晗，2021）。

（2）融資可得性提高效應(yīng)。融資難問(wèn)題成為企業(yè)僵尸化的另一個(gè)重要因素（呂靖燁和史家榮，2022）。數(shù)字金融可能通過(guò)以下幾點(diǎn)提高融資可得性，從而抑制企業(yè)僵尸化：首先，從融資渠道來(lái)看，數(shù)字金融具有范圍廣、成本低、速度快等優(yōu)勢(shì)（張芯萌和王雪穎，2022），通過(guò)增加金融覆蓋面、降低金融服務(wù)門(mén)檻等方式（顧寧等，2021），為企業(yè)提供多層次的融資渠道和方法（耿偉等，2021）。其次，從資金供給角度來(lái)看，一方面，數(shù)字金融可以打破地域限制，實(shí)現(xiàn)投資主體多元化；另一方面，可以借助信息化技術(shù)的提高，對(duì)資金需求方進(jìn)行有效識(shí)別，從而降低資金錯(cuò)配的概率，提高融資資金的可獲得性（趙芮和曹延貴，2022）。最后，從信息不對(duì)稱(chēng)角度來(lái)看，數(shù)字金融能夠憑借人工智能、數(shù)字傳感等技術(shù)低成本地處理海量數(shù)據(jù)，從而有效減輕與信息不對(duì)稱(chēng)的相關(guān)風(fēng)險(xiǎn)，增加金融服務(wù)的可獲得性（Gomber等，2017;Rosavina等，2019）。

基于以上分析，本文提出以下假設(shè)：

假設(shè)1：在其他條件不變的前提下，數(shù)字金融的發(fā)展能有效抑制企業(yè)僵尸化。

假設(shè)2：數(shù)字金融主要通過(guò)融資成本的降低和融資可得性的提高來(lái)抑制企業(yè)僵尸化。

2 研究設(shè)計(jì)

2.1 樣本選擇與數(shù)據(jù)來(lái)源

本文選取2011—2019年新三板上市公司的數(shù)據(jù)為初始樣本，探索數(shù)字金融對(duì)中小微企業(yè)僵尸化的影響效應(yīng)。本文之所以選擇新三板企業(yè)，主要有以下考量：（1）本文研究對(duì)象是中小微企業(yè)，相對(duì)主板上市公司，新三板更偏向規(guī)模較小的企業(yè)。（2）新三板上市企業(yè)的數(shù)據(jù)可獲得性較高。

同時(shí)，為了使樣本數(shù)據(jù)更具代表性，按以下原則對(duì)原始樣本企業(yè)進(jìn)行處理：（1）為了保證樣本企業(yè)數(shù)據(jù)的連續(xù)性和嚴(yán)謹(jǐn)性，剔除2017年后（包含2017年）新三板上市的企業(yè)和2017年前（包含2017年）破產(chǎn)、倒閉而退市的企業(yè)。（2）剔除銀行、證券、保險(xiǎn)等金融類(lèi)的上市企業(yè)。（3）剔除主要變量存在數(shù)據(jù)缺失的樣本。（4）剔除資產(chǎn)負(fù)債率大于1的企業(yè)樣本。（5）為避免異常值的影響，本文對(duì)所有連續(xù)型變量采取1％分位數(shù)的縮尾（Winsorize）處理，最終得到6929家企業(yè)樣本，37503個(gè)樣本觀(guān)測(cè)值。本文所需的新三板上市企業(yè)財(cái)務(wù)數(shù)據(jù)是通過(guò)北京大學(xué)中國(guó)經(jīng)濟(jì)研究中心和北京色諾芬公司聯(lián)合開(kāi)發(fā)的CCER中國(guó)經(jīng)濟(jì)金融數(shù)據(jù)庫(kù)系統(tǒng)收集的；企業(yè)所屬城市相關(guān)特征來(lái)源于歷年《中國(guó)城市統(tǒng)計(jì)年鑒》的記錄；數(shù)字金融數(shù)據(jù)來(lái)源于北京大學(xué)數(shù)字金融研究中心編制的《北京大學(xué)數(shù)字普惠金融指數(shù)（2011—2020）》。

2.2 模型構(gòu)建

本文要考察數(shù)字金融發(fā)展對(duì)企業(yè)僵尸化的影響，借鑒申廣軍（2016）、陳運(yùn)森和黃健嶠（2017）等的處理方法，構(gòu)建以下Logit模型以分析數(shù)字金融發(fā)展與企業(yè)僵尸化之間的關(guān)系：

其中，i、t分別代表企業(yè)和年份；為常數(shù)項(xiàng)；是核心解釋變量數(shù)字金融發(fā)展的回歸系數(shù)，反映數(shù)字金融發(fā)展對(duì)企業(yè)僵尸化的影響程度；Zombieit為被解釋變量，表示t年i企業(yè)是否為僵尸企業(yè)；DFit為核心解釋變量，表示t年i地區(qū)的數(shù)字金融發(fā)展水平；Controlit為控制變量；μt為時(shí)間固定效應(yīng)；ωi為企業(yè)固定效應(yīng)；εit是隨機(jī)誤差項(xiàng)。

為了檢驗(yàn)數(shù)字金融主要通過(guò)融資可得性的提高與融資成本的降低來(lái)抑制企業(yè)僵尸化，本文借鑒中介效應(yīng)（溫忠麟等，2004）檢驗(yàn)方法，在公式（1）的基礎(chǔ)上，構(gòu)建以下檢驗(yàn)方程：

其中，Med分別為融資可得到性（Fav）與融資成本（Fcost）兩個(gè)中介變量，深入探究了數(shù)字金融發(fā)展對(duì)企業(yè)僵尸化的影響機(jī)制。

2.3 變量定義與說(shuō)明

2.3.1 被解釋變量

僵尸企業(yè)（Zombie）。國(guó)內(nèi)外主流研究做法主要有：第一種由政府部門(mén)提出， 具體表述是“不符合國(guó)家能耗、環(huán)保、質(zhì)量、安全等標(biāo)準(zhǔn)， 持續(xù)虧損三年以上且不符合結(jié)構(gòu)調(diào)整方向的企業(yè)”；第二種標(biāo)準(zhǔn)是Caballero等提出的CHK標(biāo)準(zhǔn)；第三種是采取更加嚴(yán)格的官方標(biāo)準(zhǔn)和過(guò)度借貸法（申廣軍，2016；李旭超等，2018）。

本文采取第三種方法，當(dāng)一個(gè)企業(yè)滿(mǎn)足以下3個(gè)條件時(shí)，就把它認(rèn)定為僵尸企業(yè)：（1） 實(shí)際利潤(rùn)小于0，即公司正常經(jīng)營(yíng)獲得的凈利潤(rùn)減去政銀扶持和非經(jīng)常性損益，凈利潤(rùn)為負(fù)。（2） 資產(chǎn)負(fù)債率高于50%，即實(shí)際經(jīng)營(yíng)正虧損狀態(tài)，且有較高的資產(chǎn)負(fù)債率， 但是外源融資較上年有所增加的企業(yè)。（3） 負(fù)債額高于上一年的企業(yè)，但排除因臨時(shí)困難造成實(shí)際虧損的企業(yè)。本文采用此種方法是因?yàn)橥瑫r(shí)考慮了政府、銀行和企業(yè)的作用，更為全面，但對(duì)企業(yè)實(shí)際經(jīng)營(yíng)情況的考察只關(guān)注了高度資產(chǎn)負(fù)債水平。同時(shí)，本文采用CHK方法進(jìn)行穩(wěn)健性檢驗(yàn)。

2.3.2 核心解釋變量

地區(qū)數(shù)字金融發(fā)展水平（DF）。本文采用北京大學(xué)數(shù)字金融研究中心編制的“北京大學(xué)數(shù)字普惠金融指數(shù)”度量各區(qū)域數(shù)字金融發(fā)展水平。這一指數(shù)從寬度（DF_breadth）、使用深度（DF_depth）及數(shù)字化程度（DF_ digitization）三個(gè)維度構(gòu)建數(shù)字金融評(píng)價(jià)指標(biāo)體系。在江紅莉等（2022）、唐松等（2020）、張勛等（2019）的研究中，已經(jīng)用來(lái)衡量地區(qū)數(shù)字金融發(fā)展水平，從而為數(shù)字金融領(lǐng)域的研究提供了可靠的數(shù)據(jù)支撐。

2.3.3 控制變量

（1）企業(yè)層面：企業(yè)規(guī)模（Size），企業(yè)當(dāng)年總資產(chǎn)取對(duì)數(shù)；企業(yè)年齡（Age），樣本企業(yè)所在年份與企業(yè)成立年份之差；固定資產(chǎn)比率（FAR）， 樣本企業(yè)當(dāng)年固定資產(chǎn)占總資產(chǎn)比重。（2）地區(qū)層面：人均GDP（PGDP），所在地區(qū)人均GDP取對(duì)數(shù)；財(cái)政支出占比（FINE），所在地區(qū)財(cái)政支出占GDP比重。

各主要變量描述性統(tǒng)計(jì)如表1所示，且由表1觀(guān)測(cè)可得Zombie均值為0.0851，表明僵尸企業(yè)在所有樣本企業(yè)中占比為8.51%。

3 實(shí)證結(jié)果與分析

3.1 基準(zhǔn)回歸結(jié)果

表2反映由模型（1）估算的數(shù)字金融發(fā)展對(duì)企業(yè)僵尸化的影響，列（1）只考察了數(shù)字金融發(fā)展對(duì)企業(yè)僵尸化的影響。結(jié)果表明，核心解釋變量的估計(jì)系數(shù)為負(fù)，且達(dá)到1%的顯著性水平，意味著數(shù)字金融的發(fā)展能夠有效抑制企業(yè)僵尸化。從列（1）到列（2）的過(guò)程中，本文加入了5個(gè)控制變量，可以發(fā)現(xiàn)，在1%的顯著性水平上，核心解釋變量的估計(jì)系數(shù)仍為負(fù)數(shù)，說(shuō)明當(dāng)考慮了遺漏變量誤差之后，數(shù)字金融的發(fā)展仍然顯著抑制企業(yè)僵尸化。列（3）在列（2）的基礎(chǔ)上控制了年份和企業(yè)固定效應(yīng)作用，列（3）顯示在1%的顯著水平上，數(shù)字金融的系數(shù)仍為負(fù)，證實(shí)了數(shù)字金融的發(fā)展能夠有效抑制企業(yè)僵尸化這一假設(shè)。由此可以說(shuō)明，數(shù)字金融的發(fā)展有助于抑制企業(yè)僵尸化，前文假設(shè)1得到驗(yàn)證。

3.2 內(nèi)生性處理

首先，為減少反向因果關(guān)系導(dǎo)致的內(nèi)生性問(wèn)題，本文將自變量和控制變量均滯后一期，以重新審視數(shù)字金融對(duì)企業(yè)僵尸化的影響。如表3的列（1）所示，滯后處理后數(shù)字金融（L.DF）的回歸系數(shù)依舊在1%的水平上顯著為負(fù)，即本文的研究結(jié)論很穩(wěn)健。

其次，采用工具變量?jī)呻A段最小二乘法（IV-2SLS），為妥善解決回歸方程中核心解釋變量存在的樣本選擇誤差和雙向因果等內(nèi)生性問(wèn)題，借鑒黃倩等（2019）的思路，本文整理了各個(gè)地區(qū)年度電話(huà)普及率，選擇的工具變量是所在地區(qū)（城市）年度移動(dòng)電話(huà)普及率（部/人）。其邏輯在于： 一方面，移動(dòng)電話(huà)普及率與數(shù)字金融發(fā)展緊密關(guān)聯(lián)：另一方面，通過(guò)對(duì)企業(yè)特征、年份和行業(yè)雙向固定效應(yīng)進(jìn)行控制，探究移動(dòng)電話(huà)普及率與企業(yè)僵尸化之間的關(guān)系，發(fā)現(xiàn)兩者并不存在直接關(guān)聯(lián)。由此可以得出，移動(dòng)電話(huà)普及率作為工具變量是有效的，可以被采用。

表3中（2）、（3）兩列顯示了IV-2SLS的回歸結(jié)果，在考慮了數(shù)字金融發(fā)展與企業(yè)僵尸化之間可能存在的內(nèi)生性問(wèn)題后，數(shù)字金融發(fā)展的系數(shù)依然為負(fù)，且達(dá)到1%的顯著性水平。由此可得，數(shù)字金融的發(fā)展能夠顯著抑制企業(yè)僵尸化，與前文回歸結(jié)果一致。

3.3 穩(wěn)健性檢驗(yàn)

為了消除其他因素對(duì)研究結(jié)論產(chǎn)生的誤差影響，從而進(jìn)一步驗(yàn)證研究結(jié)論的可靠性，本文通過(guò)更換僵尸企業(yè)識(shí)別方法、刪除部分樣本數(shù)據(jù)等方法進(jìn)行穩(wěn)健性檢驗(yàn)。

一是更換僵尸企業(yè)的識(shí)別方法，前文中采取更加嚴(yán)格的官方標(biāo)準(zhǔn)和過(guò)度借貸法，而僵尸企業(yè)的定性識(shí)別標(biāo)準(zhǔn)尚不存在統(tǒng)一標(biāo)準(zhǔn)，為避免實(shí)證過(guò)程的誤差，本文用CHK法替換前文認(rèn)定僵尸企業(yè)的方法，回歸結(jié)果如表4第（1）列所示。在5%的顯著性水平上，核心解釋變量DF的估計(jì)系數(shù)為負(fù)數(shù)，符合前文的基準(zhǔn)回歸結(jié)果。

二是將企業(yè)注冊(cè)地為直轄市的樣本刪除，由于直轄市與其他地級(jí)市之間存在差異，所以需要消除由這一因素帶來(lái)的誤差影響。結(jié)果如表4列（2）所示，核心變量DF在1%的水平上顯著為負(fù)，與上文一致，說(shuō)明在剔除注冊(cè)地為直轄市的企業(yè)后，數(shù)字金融發(fā)展對(duì)企業(yè)僵尸化仍然具有顯著的抑制效應(yīng)，驗(yàn)證了前文研究結(jié)論的穩(wěn)健性。

3.4 影響機(jī)制分析

前文已經(jīng)探討數(shù)字金融發(fā)展抑制了企業(yè)僵尸化，但其成立的前提需要對(duì)影響機(jī)制加以檢驗(yàn)。為檢驗(yàn)數(shù)字金融抑制企業(yè)“僵尸化”的內(nèi)在機(jī)制，本文基于前文模型（2）、（3）進(jìn)行估計(jì)。

模型（2）中，Med分別為融資可得性（F_av）與融資成本（F_cost）兩個(gè)中介變量，對(duì)模型（2）的估計(jì)結(jié)果報(bào)告在表5的（1）、（3）列。列（1）顯示在1%的顯著性水平上，數(shù)字金融的回歸結(jié)果為正，意味著數(shù)字金融發(fā)展能夠顯著提高融資可得性；列（3）顯示在1%的顯著性水平上，回歸結(jié)果為負(fù)，表明數(shù)字金融的發(fā)展能夠有效降低融資成本。

模型（3）的估計(jì)結(jié)果在表5的第（2）、（4）列顯示，可見(jiàn)在5%的顯著性水平上，中介變量F_av的估計(jì)系數(shù)為負(fù)，但是中介變量F_cost的估計(jì)系數(shù)為正，意味著數(shù)字金融發(fā)展通過(guò)提高融資可得性與降低融資成本來(lái)抑制企業(yè)僵尸化。由此可見(jiàn)，數(shù)字金融發(fā)展抑制企業(yè)僵尸化的兩個(gè)重要機(jī)制融資是可得性提高與融資成本降低，證實(shí)了前文的假設(shè)2。

4 異質(zhì)性分析

4.1 數(shù)字金融維度的異質(zhì)性分析

本文從數(shù)字金融的覆蓋廣度、使用深度和數(shù)字化程度三個(gè)不同維度研究數(shù)字金融對(duì)企業(yè)僵尸化形成的異質(zhì)性影響，結(jié)果如表6所示。由表6可知，最顯著作用于抑制企業(yè)僵尸化的數(shù)字金融維度是數(shù)字化程度，作用系數(shù)為-0.4891，且在1%的水平上顯著。覆蓋廣度和使用深度均顯著抑制了企業(yè)僵尸化，作用系數(shù)分別為-0.2766和-0.2861，同樣是在1%的水平上顯著為負(fù)?；诖?，為使數(shù)字金融發(fā)展對(duì)僵尸企業(yè)形成的抑制更有效，企業(yè)應(yīng)致力于提高數(shù)字金融的數(shù)字化程度，降低企業(yè)的融資成本，提高融資可得性，使企業(yè)充分享受數(shù)字金融服務(wù)帶來(lái)的便利性，并提高信用化程度，以幫助抑制企業(yè)僵尸化的形成。

4.2 所在地區(qū)（城市）的異質(zhì)性

考慮到我國(guó)地域差異的問(wèn)題，各地區(qū)的資源要素、政策環(huán)境及經(jīng)濟(jì)發(fā)展水平多方面存在顯著差異，可能導(dǎo)致數(shù)字金融對(duì)企業(yè)僵尸化的影響作用存在差異。本文借鑒李春濤等（2020）的地區(qū)劃分標(biāo)準(zhǔn)，根據(jù)樣本企業(yè)所處城市的省份，將樣本分成東部地區(qū)和中西部地區(qū)兩部分，以更清晰地考察不同地區(qū)企業(yè)僵尸化受數(shù)字金融影響作用的差異性。

企業(yè)所在地區(qū)的估計(jì)結(jié)果在表7前兩列顯示。由表7可知，數(shù)字金融在東部和中西部地區(qū)的企業(yè)僵尸化過(guò)程中的抑制作用均顯著。東部地區(qū)的企業(yè)受到數(shù)字金融發(fā)展的抑制作用在1%的水平上顯著為負(fù)，估計(jì)系數(shù)為-0.5875；而在中西部地區(qū)，數(shù)字金融對(duì)企業(yè)僵尸化的作用效果僅在10%的水平上顯著為負(fù)，估計(jì)系數(shù)為-0.1135。從系數(shù)的比較可知，數(shù)字金融的估計(jì)系數(shù)在東部地區(qū)更大，表明與中西部地區(qū)即欠發(fā)達(dá)地區(qū)相比，數(shù)字金融對(duì)發(fā)達(dá)地區(qū)的企業(yè)僵尸化抑制效果更顯著。本文推測(cè)有如下原因：相對(duì)中西部地區(qū)而言，東部地區(qū)市場(chǎng)化制度和營(yíng)商環(huán)境水平較高，基礎(chǔ)設(shè)施建設(shè)完善，數(shù)字化和信息化程度較高；數(shù)字金融體系的搭建較為成熟，企業(yè)對(duì)數(shù)字金融的認(rèn)同度和接受度較高，積極運(yùn)用數(shù)字金融體系降低企業(yè)的融資成本和提高運(yùn)營(yíng)效率，從而有效抑制企業(yè)的僵尸化。

4.3 企業(yè)異質(zhì)性分析

數(shù)字金融作為一種新金融業(yè)態(tài)，金融與科技深度融合，依據(jù)其金融本質(zhì)和技術(shù)手段，能夠降低信貸雙方信息不對(duì)稱(chēng)的程度，擴(kuò)大了金融服務(wù)的范圍與規(guī)模。另外，對(duì)高科技企業(yè)來(lái)說(shuō)，數(shù)字金融的投入能夠在一定程度上幫助企業(yè)面臨的信貸約束問(wèn)題，從而推動(dòng)企業(yè)的技術(shù)創(chuàng)新，有利于抑制企業(yè)的僵尸化?；诖?，本文從企業(yè)創(chuàng)新的角度將全樣本企業(yè)劃分為高科技行業(yè)和非高科技行業(yè)，用于探究數(shù)字金融帶來(lái)的創(chuàng)新效應(yīng)對(duì)企業(yè)僵尸化形成作用的異質(zhì)性，結(jié)果如表7的（3）（4）列所示。

由表7可知，數(shù)字金融對(duì)高科技行業(yè)和非高科技行業(yè)的企業(yè)僵尸化都有抑制作用。進(jìn)一步分析可以得知，在1%顯著水平上，數(shù)字金融對(duì)高科技行業(yè)的作用系數(shù)為-0.5387；在10%顯著水平上，數(shù)字金融對(duì)非高科技行業(yè)的作用系數(shù)為-0.1731。由此可見(jiàn)，無(wú)論是從顯著性水平還是作用系數(shù)比較，數(shù)字普惠金融對(duì)高科技行業(yè)的企業(yè)僵尸化具有更顯著的抑制作用。這是因?yàn)楦呖萍夹袠I(yè)的市場(chǎng)競(jìng)爭(zhēng)激烈，產(chǎn)品更新迭代迅速，生命周期短，而且這類(lèi)企業(yè)屬于知識(shí)與技術(shù)密集型，所以對(duì)創(chuàng)新能力和技術(shù)水平的要求極高，數(shù)字金融的加入降低了企業(yè)的融資成本，提高了融資可得性，將更多的資本和資源投入產(chǎn)品的研究與開(kāi)發(fā)中，優(yōu)化提升了資源配置和使用效率，大大增加了企業(yè)產(chǎn)品創(chuàng)新的機(jī)會(huì)，提升了利潤(rùn)空間，從而抑制了企業(yè)僵尸化。在非高科技行業(yè)中，企業(yè)對(duì)產(chǎn)品創(chuàng)新的意愿相對(duì)較低，企業(yè)運(yùn)用數(shù)字金融的能力相對(duì)較弱，成本運(yùn)用未得到良好的控制，利潤(rùn)提升空間不大，所以數(shù)字普惠金融對(duì)非高科技行業(yè)的企業(yè)僵尸化抑制作用影響不大。

5 結(jié)語(yǔ)

5.1 研究結(jié)論

本文利用2011—2019年新三板上市公司的樣本數(shù)據(jù)及北京大學(xué)數(shù)字金融研究中心的數(shù)字普惠金融數(shù)據(jù)，采用Logit模型研究了數(shù)字金融發(fā)展對(duì)中小微企業(yè)僵尸化的影響，并得出以下結(jié)論：

第一，數(shù)字金融能夠有效抑制企業(yè)僵尸化。第二，數(shù)字金融通過(guò)增強(qiáng)企業(yè)融資可得性、降低企業(yè)融資成本兩個(gè)渠道有效抑制企業(yè)的僵尸化。第三，數(shù)字金融的不同維度在影響企業(yè)僵尸化時(shí)發(fā)揮的作用具有差異性，數(shù)字化程度與覆蓋廣度、使用深度相比，更有益于抑制企業(yè)僵尸化。第四，數(shù)字金融在東部地區(qū)對(duì)企業(yè)僵尸化的抑制作用比在西部地區(qū)顯著；相較非高科技企業(yè)，數(shù)字金融發(fā)展能夠更有效地抑制高科技企業(yè)的僵尸化。

5.2 建議啟示

基于以上結(jié)論，本文得出以下幾點(diǎn)建議：

首先，穩(wěn)步推進(jìn)數(shù)字金融高質(zhì)量發(fā)展。隨著數(shù)字化技術(shù)的不斷革新，粗放式的數(shù)字金融發(fā)展模式已然不能適應(yīng)新時(shí)代下數(shù)字化技術(shù)不斷革新的趨勢(shì)和經(jīng)濟(jì)高質(zhì)量發(fā)展的要求，推動(dòng)數(shù)字金融縱深化發(fā)展刻不容緩。重點(diǎn)是深入推進(jìn)大數(shù)據(jù)、云計(jì)算、人工智能等新一代信息技術(shù)在金融服務(wù)領(lǐng)域的融合發(fā)展與集成應(yīng)用，著重提高數(shù)字金融的數(shù)字化程度，更好地為中小微企業(yè)服務(wù)。同時(shí)，有效降低了企業(yè)的融資成本，有力提高了企業(yè)融資可得性，對(duì)進(jìn)一步加強(qiáng)數(shù)字金融對(duì)企業(yè)僵尸化的抑制作用產(chǎn)生積極的影響。

其次，從改善中西部地區(qū)的營(yíng)商環(huán)境入手，同時(shí)優(yōu)化資本、勞動(dòng)要素市場(chǎng)化程度，完善市場(chǎng)化體系，更加充分地發(fā)揮數(shù)字金融抑制企業(yè)僵尸化的重要能動(dòng)作用，從而形成以?xún)?yōu)化營(yíng)商環(huán)境為突破口，充分發(fā)揮數(shù)字金融有效抑制中西部地區(qū)企業(yè)僵尸化的局面。

最后，鼓勵(lì)和支持金融機(jī)構(gòu)充分利用數(shù)字金融行業(yè)優(yōu)勢(shì)，進(jìn)一步打破信息孤島，實(shí)現(xiàn)信息的高效流動(dòng)，從而達(dá)到金融機(jī)構(gòu)精準(zhǔn)識(shí)別高科技企業(yè)，并為其提供幫助的效果，有效促進(jìn)高科技企業(yè)融資可得性的提高，降低融資成本，充分利用數(shù)字金融發(fā)展對(duì)高科技企業(yè)僵尸化的抑制作用。

參考文獻(xiàn)

安強(qiáng)身，白璐.數(shù)字金融發(fā)展與居民家庭金融資產(chǎn)配置：基于CHFS（2019）調(diào)查數(shù)據(jù)的實(shí)證研究[J].經(jīng)濟(jì)問(wèn)題，2022（10）：51-60.

蔡宏波，宋研霏，馬紅旗.城市商業(yè)銀行設(shè)立與僵尸企業(yè)的形成[J].中國(guó)工業(yè)經(jīng)濟(jì)，2020（9）：80-98.

陳小輝，張紅偉.數(shù)字經(jīng)濟(jì)如何影響企業(yè)風(fēng)險(xiǎn)承擔(dān)水平[J].經(jīng)濟(jì)管理，2021，43（5）：93-108.

程宇.數(shù)字金融發(fā)展對(duì)產(chǎn)業(yè)結(jié)構(gòu)的影響效應(yīng)與作用機(jī)制[J].東南學(xué)術(shù)，2022（5）：179

翟淑萍，韓賢，張曉琳，等.數(shù)字金融能降低企業(yè)債務(wù)違約風(fēng)險(xiǎn)嗎[J].會(huì)計(jì)研究，2022（2）：117-131.

杜丹清.消費(fèi)理念多元化視角下的流通模式創(chuàng)新研究[J].經(jīng)濟(jì)問(wèn)題，2013（1）：18-22.

高建來(lái)，李美辰.基于財(cái)務(wù)視角的“僵尸企業(yè)”識(shí)別方法探討：以鋼鐵行業(yè)上市公司為例[J].會(huì)計(jì)之友，2018（6）：12-16.

黃益平，邱晗.大科技信貸：一個(gè)新的信用風(fēng)險(xiǎn)管理框架[J].管理世界，2021，37（2）：12-21+50+2+16.

江紅莉，蔣鵬程，胡林柯.數(shù)字金融影響了勞動(dòng)收入份額嗎：來(lái)自中國(guó)上市公司的經(jīng)驗(yàn)證據(jù)[J].廣東財(cái)經(jīng)大學(xué)學(xué)報(bào)，2022，37（3）： 34-48.

李春濤，閆續(xù)文，宋敏，等.金融科技與企業(yè)創(chuàng)新：新三板上市公司的證據(jù)[J].中國(guó)工業(yè)經(jīng)濟(jì)，2020（1）：81-98.

李欠強(qiáng)，陳衍泰，厲婧.海外研發(fā)投資與企業(yè)創(chuàng)新績(jī)效[J].國(guó)際貿(mào)易問(wèn)題，2021（6）：159-174.

劉沖，周峰，劉莉亞，等.財(cái)政存款、銀行競(jìng)爭(zhēng)與僵尸企業(yè)形成[J].金融研究，2020（11）：113-132.

劉莉，楊宏睿.數(shù)字金融、融資約束與中小企業(yè)科技創(chuàng)新：基于新三板數(shù)據(jù)的實(shí)證研究[J].華東經(jīng)濟(jì)管理，2022，36（5）：15-23.

石玲玲，余秀江，楊威，等.數(shù)字普惠金融的增收效應(yīng)與作用機(jī)制：基于中國(guó)市級(jí)面板數(shù)據(jù)的實(shí)證分析[J].金融經(jīng)濟(jì)學(xué)研究， 2022，37（2）：93-104.

唐松，伍旭川，祝佳.數(shù)字金融與企業(yè)技術(shù)創(chuàng)新：結(jié)構(gòu)特征、機(jī)制識(shí)別與金融監(jiān)管下的效應(yīng)差異[J].管理世界，2020，36（5）： 52-66+9.

唐未兵，傅元海，王展祥.技術(shù)創(chuàng)新、技術(shù)引進(jìn)與經(jīng)濟(jì)增長(zhǎng)方式轉(zhuǎn)變[J].經(jīng)濟(jì)研究，2014，49（7）：31-43.

王海，吳夢(mèng)萱，尹俊雅.地區(qū)金融機(jī)構(gòu)與僵尸企業(yè)：基于城商行設(shè)立的準(zhǔn)自然實(shí)驗(yàn)[J].統(tǒng)計(jì)研究，2021，38（3）：58-70.

王智新，韓承斌，朱文卿.數(shù)字金融發(fā)展對(duì)出口技術(shù)復(fù)雜度的影響研究[J].世界經(jīng)濟(jì)研究，2022（8）：26-42+135-136.

魏志華，曾愛(ài)民，李博.金融生態(tài)環(huán)境與企業(yè)融資約束：基于中國(guó)上市公司的實(shí)證研究[J].會(huì)計(jì)研究，2014（5）：73-80+95.

肖正，翟勝寶，張靜.引入國(guó)有資本能夠化解民營(yíng)企業(yè)僵尸化風(fēng)險(xiǎn)嗎：來(lái)自中國(guó)上市公司的經(jīng)驗(yàn)證據(jù)[J].經(jīng)濟(jì)管理，2022，44（2）： 36-56.

趙芮，曹廷貴.數(shù)字金融發(fā)展有助于企業(yè)去杠桿嗎[J].現(xiàn)代經(jīng)濟(jì)探討，2022（1）：71-82.

何帆，朱鶴.僵尸企業(yè)的識(shí)別與應(yīng)對(duì)[J].中國(guó)金融，2016（5）：20-22.

周業(yè)安，章泉.財(cái)政分權(quán)、經(jīng)濟(jì)增長(zhǎng)和波動(dòng)[J].管理世界，2008 （3）：6-15+186.

Adelheid Holl. Highways and productivity in manufacturing firms[J]. Journal of Urban Economics，2016，93.

Aditi Kapoor. Financial inclusion and the future of the Indian economy[J]. Futures，2014，56.

Itay Goldstein，Wei Jiang，G Andrew Karolyi. To FinTech and Beyond[J]. The Review of Financial Studies，2019，32（5）.

Jie Li， Yu Wu， Jing Jian Xiao. The impact of digital finance on household consumption： Evidence from China[J]. Economic Modelling，2020，86（C）.