數(shù)字金融對(duì)非金融企業(yè)影子銀行化的影響研究

摘 要：本文選取非金融企業(yè)為研究對(duì)象，參考已有研究將生產(chǎn)部門(mén)分為兩類企業(yè)，構(gòu)建理論模型分析數(shù)字金融發(fā)展如何影響非金融企業(yè)影子銀行化，采用2011—2022年A股上市非金融企業(yè)財(cái)務(wù)數(shù)據(jù)以及宏觀經(jīng)濟(jì)發(fā)展數(shù)據(jù)進(jìn)行實(shí)證分析檢驗(yàn)。研究發(fā)現(xiàn)，隨著數(shù)字金融發(fā)展水平提升，非金融企業(yè)參與影子銀行業(yè)務(wù)的投資行為將受到抑制。機(jī)制檢驗(yàn)結(jié)果表明，數(shù)字金融通過(guò)緩解企業(yè)金融錯(cuò)配進(jìn)而抑制非金融企業(yè)影子銀行化，并且銀行競(jìng)爭(zhēng)水平提升強(qiáng)化了數(shù)字金融對(duì)非金融企業(yè)影子銀行化的抑制作用。進(jìn)一步研究表明，在規(guī)模較大的企業(yè)、非高科技企業(yè)、數(shù)字化轉(zhuǎn)型程度較高的企業(yè)中，數(shù)字金融顯著抑制非金融企業(yè)影子銀行化行為。

關(guān)鍵詞：數(shù)字金融；企業(yè)影子銀行化；金融錯(cuò)配；銀行競(jìng)爭(zhēng)

DOI：10.3969/j.issn.1003-9031.2024.07.003

中圖分類號(hào)：F830 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1003－9031（2024）07－0033－18

一、引言及文獻(xiàn)綜述

伴隨金融抑制、信貸約束、信貸歧視等問(wèn)題，許多由于信用問(wèn)題、抵押品不足的融資弱勢(shì)企業(yè)陷入了融資困境。在金融錯(cuò)配的融資環(huán)境下，為了獲取超額利潤(rùn)，許多非金融企業(yè)開(kāi)始參與影子銀行業(yè)務(wù)。依據(jù)原中國(guó)銀保監(jiān)會(huì)2020年發(fā)布的《中國(guó)影子銀行報(bào)告》，全部Ａ股非金融企業(yè)影子銀行業(yè)務(wù)投資占總資產(chǎn)的比重平均高達(dá)22.94%；2008—2020年，中國(guó)非金融上市公司影子銀行規(guī)模也增長(zhǎng)近29倍（吳安兵等，2023）。由此可見(jiàn)，非金融企業(yè)影子銀行化現(xiàn)象愈發(fā)凸顯。

非金融企業(yè)影子銀行化會(huì)導(dǎo)致許多消極的經(jīng)濟(jì)后果。劉珺等（2014）發(fā)現(xiàn)非金融企業(yè)影子銀行化會(huì)造成中小企業(yè)融資成本上升、金融資源配置效率降低，進(jìn)而導(dǎo)致社會(huì)福利凈損失。非金融企業(yè)從事影子銀行活動(dòng)也對(duì)信貸調(diào)控產(chǎn)生漏出效應(yīng)，削弱信貸調(diào)控效力（江振龍，2020）。此外，影子銀行業(yè)務(wù)也會(huì)擠出主營(yíng)業(yè)務(wù)投資、降低主營(yíng)業(yè)務(wù)收入（Han et al.，2019），從而降低企業(yè)的盈余可持續(xù)性（黃賢環(huán)和王翠，2021）。由于影子銀行業(yè)務(wù)具有高杠桿率、監(jiān)管缺失以及信息不對(duì)稱等特征，非金融企業(yè)影子銀行化會(huì)加劇企業(yè)經(jīng)營(yíng)風(fēng)險(xiǎn)、加劇股價(jià)崩盤(pán)風(fēng)險(xiǎn)上升等（李建軍和韓珣，2019；司登奎等，2021）。探究非金融企業(yè)參與影子銀行活動(dòng)的影響因素對(duì)校正影子銀行無(wú)序擴(kuò)張、防范和化解市場(chǎng)性金融風(fēng)險(xiǎn)具有十分重要的意義。

關(guān)于企業(yè)影子銀行化影響因素，已有研究主要是從市場(chǎng)環(huán)境和企業(yè)決策兩個(gè)角度進(jìn)行分析。市場(chǎng)環(huán)境方面，高潔超等（2020）發(fā)現(xiàn)政策不確定性是導(dǎo)致企業(yè)影子銀行化的原因。金融錯(cuò)配也是導(dǎo)致企業(yè)影子銀行化程度提高的重要因素，金融錯(cuò)配水平的提高會(huì)導(dǎo)致企業(yè)融資約束水平上升、抑制企業(yè)實(shí)體投資（韓珣和李建軍，2019）。企業(yè)決策方面，在“投資替代”的動(dòng)機(jī)下，企業(yè)傾向于將本該投入實(shí)體投資的資金轉(zhuǎn)向高風(fēng)險(xiǎn)、高收益的影子銀行市場(chǎng)，以彌補(bǔ)實(shí)體投資水平的不足。

隨著科學(xué)技術(shù)迭代更新，人工智能、大數(shù)據(jù)、云計(jì)算、區(qū)塊鏈等技術(shù)逐漸運(yùn)用于金融體系的各個(gè)領(lǐng)域，數(shù)字金融得到快速發(fā)展。數(shù)字金融的發(fā)展給傳統(tǒng)金融部門(mén)帶來(lái)了沖擊（Pramanik et al.，2019），與傳統(tǒng)金融相互競(jìng)爭(zhēng)（Lee et al．，2018），推動(dòng)了金融機(jī)構(gòu)的業(yè)務(wù)升級(jí)和轉(zhuǎn)型，為中國(guó)金融業(yè)態(tài)注入了新的活力，提高了金融服務(wù)效率（Cortina and Schmukler，2018）。憑借先進(jìn)的信息技術(shù)，數(shù)字金融的發(fā)展能夠有效緩解信息不對(duì)稱問(wèn)題，創(chuàng)新性地顛覆了傳統(tǒng)信用定價(jià)模式，逐步構(gòu)建“硬化”企業(yè)軟信息的算法和大數(shù)據(jù)倉(cāng)庫(kù)（謝平和鄒傳偉，2012），倒逼金融部門(mén)轉(zhuǎn)型升級(jí)，提升金融資源配置效率（唐松等，2019）。因此，隨著數(shù)字金融的發(fā)展，信貸歧視、金融抑制等問(wèn)題得到了緩解。那么隨著數(shù)字金融的發(fā)展，企業(yè)的影子銀行化行為會(huì)有何變化，有待深入研究。因此，本文以非金融企業(yè)作為研究對(duì)象，探究了數(shù)字金融發(fā)展對(duì)非金融企業(yè)影子銀行化行為的影響。

二、理論分析與研究假設(shè)

（一）數(shù)字金融對(duì)非金融企業(yè)影子銀行化的影響

本文以SSZ模型（Song et al.，2011）為基礎(chǔ)，參考龔關(guān)等（2021）的方法，將生產(chǎn)性企業(yè)分為F型企業(yè)和E型企業(yè)，構(gòu)建了一個(gè)數(shù)理模型。其中，F(xiàn)型企業(yè)生產(chǎn)效率較低，但憑借著融資優(yōu)勢(shì)可以獲得多于生產(chǎn)所需要的銀行信貸資金；E型企業(yè)雖然生產(chǎn)效率更高，但由于融資約束無(wú)法獲得滿足企業(yè)生產(chǎn)所需的銀行信貸資金。在利潤(rùn)驅(qū)使下，F(xiàn)型企業(yè)的資金用途分為兩部分：一部分資金投入到生產(chǎn)當(dāng)中，另一部分資金則投入到影子銀行信貸市場(chǎng)中再放貸給E型企業(yè)以獲取利差。延續(xù)Song et al.（2011）的設(shè)定，假定銀行將貸款發(fā)放給企業(yè)過(guò)程中沒(méi)有任何手續(xù)費(fèi)用或摩擦成本，將銀行貸款利率設(shè)定為無(wú)風(fēng)險(xiǎn)利率R。而影子銀行貸款利率則由影子銀行市場(chǎng)出清條件來(lái)決定。

1.經(jīng)濟(jì)個(gè)體

經(jīng)濟(jì)個(gè)體分為兩種：工人和企業(yè)家。工人在第1期工作以獲得工資，第2期退休并依靠第1期的儲(chǔ)蓄維持生活；企業(yè)家在第1期被E型企業(yè)雇傭?yàn)楣芾碚卟@得管理費(fèi)，之后卸任，第2期依靠第1期的儲(chǔ)蓄生活。與普通工人不同的是，由于企業(yè)家對(duì)公司有更高的感情依托，其希望企業(yè)能夠更好的發(fā)展，即實(shí)現(xiàn)利潤(rùn)最大化（關(guān)于這個(gè)假設(shè)的另一個(gè)合理原因可以認(rèn)為這些企業(yè)存在家族繼承），因此公司的利潤(rùn)進(jìn)入到企業(yè)家的效用函數(shù)。個(gè)體的效用函數(shù)如下：

這說(shuō)明在金融抑制、信貸歧視的背景下，由于融資約束而無(wú)法從正規(guī)金融渠道獲得經(jīng)營(yíng)所需的信貸資金，企業(yè)會(huì)選擇將影子銀行作為替代的融資渠道，即影子銀行融資渠道與正規(guī)金融融資渠道形成替代關(guān)系。

數(shù)字金融對(duì)信貸錯(cuò)配具有修正作用。數(shù)字金融作為數(shù)字技術(shù)與傳統(tǒng)金融深度融合的產(chǎn)物，其功能定位是通過(guò)信息化數(shù)字手段有效降低金融服務(wù)的交易成本、擴(kuò)張其覆蓋范圍（郭峰等，2020）。數(shù)字金融的發(fā)展會(huì)衍生出新的金融業(yè)態(tài)，與傳統(tǒng)金融機(jī)構(gòu)形成競(jìng)爭(zhēng)關(guān)系，倒逼其提升金融服務(wù)效率。隨著傳統(tǒng)金融業(yè)競(jìng)爭(zhēng)格局的轉(zhuǎn)變，信貸歧視等問(wèn)題得到了緩解，有助于提高企業(yè)從正規(guī)金融渠道獲得貸款的能力（徐章星等，2020）。數(shù)字金融的快速發(fā)展有助于緩解企業(yè)融資難、融資貴等問(wèn)題，提高中小企業(yè)獲取資金的便利性與及時(shí)性（謝雪燕和朱曉陽(yáng)，2021）。因此，數(shù)字金融的發(fā)展有助于提高企業(yè)銀行信貸可得性，即>0。

綜上所述，<0，即數(shù)字金融的發(fā)展會(huì)抑制企業(yè)影子銀行業(yè)務(wù)的規(guī)模擴(kuò)張。數(shù)字金融的發(fā)展有助于提升正規(guī)信貸渠道的金融服務(wù)效率，強(qiáng)化正規(guī)信貸渠道對(duì)于影子銀行融資渠道的替代效應(yīng)，對(duì)企業(yè)影子銀行業(yè)務(wù)產(chǎn)生市場(chǎng)擠出效應(yīng)，抑制企業(yè)影子銀行化。因此，提出假設(shè)H1：

H1：數(shù)字金融的發(fā)展抑制非金融企業(yè)影子銀行化行為。

（二）資源配置效應(yīng)

數(shù)字金融的發(fā)展通過(guò)緩解企業(yè)金融錯(cuò)配現(xiàn)象，抑制了非金融企業(yè)影子銀行化。數(shù)字金融對(duì)金融錯(cuò)配水平的緩解作用主要通過(guò)兩個(gè)路徑實(shí)現(xiàn)：降低信息不對(duì)稱、提高金融可得性。首先，依托于大數(shù)據(jù)、云計(jì)算以及區(qū)塊鏈等現(xiàn)代化信息處理技術(shù)，數(shù)字金融以獲取海量數(shù)字信息為引導(dǎo)，有效提升了信息共享水平、緩解了信貸市場(chǎng)中信息不對(duì)稱的問(wèn)題（譚小芬和尹碧嬌，2018）。其次，數(shù)字金融通過(guò)多元化的業(yè)態(tài)與功能有效地實(shí)現(xiàn)了金融可得性（徐章星，2024）。數(shù)字金融突破了傳統(tǒng)金融實(shí)體網(wǎng)點(diǎn)的限制，極大拓展了金融服務(wù)的覆蓋面，提高了企業(yè)獲取信貸資金的可能性（滕磊，2020）。憑借著數(shù)據(jù)、場(chǎng)景、服務(wù)等自身優(yōu)勢(shì)，數(shù)字金融有效地優(yōu)化了信貸資源配給、提升了金融的可得性，通過(guò)配置“信貸存量”、增加“信貸總量”的方式緩解了企業(yè)金融錯(cuò)配。

關(guān)于金融錯(cuò)配與非金融企業(yè)影子銀行化的關(guān)系，也有研究進(jìn)行討論。金融錯(cuò)配主要通過(guò)影響企業(yè)的實(shí)體投資意愿進(jìn)而影響非金融企業(yè)影子銀行化的投資行為。金融錯(cuò)配導(dǎo)致企業(yè)生產(chǎn)研發(fā)動(dòng)力降低（成力為等，2015），使得企業(yè)的信貸資金流向影子信貸市場(chǎng)。從資金需求側(cè)來(lái)看，由于信貸歧視問(wèn)題的存在，中小民營(yíng)企業(yè)無(wú)法從正規(guī)融資渠道獲取足夠的信貸資金，進(jìn)而求助于影子銀行融資渠道。在信貸配給的金融環(huán)境中，企業(yè)影子銀行化的興起是經(jīng)濟(jì)主體克服信貸約束的結(jié)果（王永欽等，2015），融資地位不平等為非金融企業(yè)影子銀行化提供了發(fā)展空間。因此，提出假設(shè)H2：

H2：數(shù)字金融通過(guò)緩解企業(yè)金融錯(cuò)配進(jìn)而抑制了非金融企業(yè)影子銀行化行為。

（三）銀行競(jìng)爭(zhēng)的調(diào)節(jié)效應(yīng)

在當(dāng)前中國(guó)以間接融資為主的金融體系下，企業(yè)對(duì)銀行具有較強(qiáng)的依賴性，銀行競(jìng)爭(zhēng)一定程度上也會(huì)影響到實(shí)體企業(yè)的投資決策，進(jìn)而影響其影子銀行化行為。銀行競(jìng)爭(zhēng)通過(guò)銀企信息匹配、信貸資源配置、金融可得性等渠道強(qiáng)化了數(shù)字金融對(duì)非金融企業(yè)影子銀行化的抑制作用。

在銀企信息匹配方面。隨著銀行競(jìng)爭(zhēng)程度的加深，為降低信貸風(fēng)險(xiǎn)，銀行將會(huì)主動(dòng)收集企業(yè)信息并對(duì)其進(jìn)行篩選，這有助于降低市場(chǎng)的信息不透明度，提高銀企信息匹配效率（Jiang et al.，2020）。這能夠有效降低信貸資源配置的扭曲，從而壓縮非金融企業(yè)參與影子銀行業(yè)務(wù)的市場(chǎng)空間。在信貸資源配置方面?；诮档托刨J風(fēng)險(xiǎn)和提高邊際利潤(rùn)的目的，銀行競(jìng)爭(zhēng)程度的提升會(huì)促使金融機(jī)構(gòu)將信貸發(fā)放給盈利能力強(qiáng)、生產(chǎn)能力高的企業(yè)，這將有助于優(yōu)化信貸市場(chǎng)的資源配置（馬俊，2024）。這不僅有效降低企業(yè)的融資成本（Leon，2015），同時(shí)也使得實(shí)體企業(yè)的信貸可得性有所提升，緩解企業(yè)融資約束，進(jìn)而緩解企業(yè)對(duì)高利率影子銀行融資渠道的依賴，壓縮非金融企業(yè)參與影子銀行業(yè)務(wù)的套利空間。

綜上所述，銀行競(jìng)爭(zhēng)程度的提升會(huì)通過(guò)強(qiáng)化數(shù)字金融的銀企信息匹配、信貸資源配置等渠道，加強(qiáng)數(shù)字金融對(duì)企業(yè)影子銀行化的抑制作用。因此，提出假設(shè)H3：

H3：銀行競(jìng)爭(zhēng)水平的提高強(qiáng)化了數(shù)字金融對(duì)非金融企業(yè)影子銀行化的抑制作用。

三、研究設(shè)計(jì)

（一）數(shù)據(jù)來(lái)源

本文所使用的企業(yè)數(shù)據(jù)來(lái)自CSMAR國(guó)泰安數(shù)據(jù)庫(kù)，按照以下程序篩選和處理樣本：剔除金融及保險(xiǎn)行業(yè)的上市公司數(shù)據(jù)；剔除負(fù)債率大于100%的樣本；剔除主要變量缺失的觀測(cè)值；剔除ST、*ST和PT企業(yè)。為消除極端值的影響，對(duì)所有連續(xù)型變量按照1%和99%的水平進(jìn)行縮尾（Winsorize）處理。最終獲得2011—2022年非金融企業(yè)的財(cái)務(wù)數(shù)據(jù)，共計(jì)18460個(gè)非平衡面板觀測(cè)值。

（二）變量選擇

非金融企業(yè)影子銀行化。參考李建軍和韓珣（2019）研究中的衡量方法，本文采用委托貸款、委托理財(cái)和企業(yè)民間借貸之和與期末企業(yè)總資產(chǎn)規(guī)模的比值來(lái)衡量企業(yè)影子銀行化的程度。

數(shù)字金融發(fā)展水平。借鑒郭峰等（2020）的研究，數(shù)字金融發(fā)展的衡量方式采用北京大學(xué)數(shù)字金融指數(shù)，并取自然對(duì)數(shù)。

企業(yè)金融錯(cuò)配。對(duì)于“金融錯(cuò)配”的刻畫(huà)，本文分別從資金成本和融資規(guī)模這兩個(gè)角度予以綜合反映。從資金成本的角度看，參考邵挺（2010）和周煜皓等（2014）的研究，采用企業(yè)的資金使用成本對(duì)所在行業(yè)平均資金使用成本的偏離程度來(lái)反映。從融資規(guī)模的角度看，參考鄧路等（2016）以及白俊等（2022）的研究，采用資本結(jié)構(gòu)動(dòng)態(tài)調(diào)整法計(jì)算企業(yè)超額貸款，用以從融資規(guī)模角度刻畫(huà)企業(yè)層面的金融錯(cuò)配。

銀行競(jìng)爭(zhēng)。本文依據(jù)國(guó)家金融監(jiān)督管理總局發(fā)布的全國(guó)金融機(jī)構(gòu)的金融許可證信息，計(jì)算各年份各地級(jí)市的銀行分支機(jī)構(gòu)數(shù)量，并據(jù)此測(cè)算出城市層面的銀行業(yè)赫芬達(dá)爾指數(shù)（HHI）。

控制變量。本文從企業(yè)層面和宏觀經(jīng)濟(jì)層面選取了一些可能影響其企業(yè)影子銀行化的控制變量。

（三）模型選取與設(shè)計(jì)

本文使用固定效應(yīng)面板回歸解決不可觀測(cè)的企業(yè)個(gè)體特征所可能帶來(lái)的內(nèi)生性問(wèn)題，同時(shí)還控制了時(shí)間效應(yīng)。根據(jù)假設(shè)本文設(shè)立以下回歸模型：

四、實(shí)證結(jié)果

（一）描述性統(tǒng)計(jì)

表2為本文主要變量的描述性統(tǒng)計(jì)結(jié)果，其中，企業(yè)影子銀行化（ShadowBank） 的均值為0.1403，表明非金融企業(yè)從事影子銀行業(yè)務(wù)的規(guī)模相對(duì)較大，標(biāo)準(zhǔn)差為0.2492，體現(xiàn)出了不同企業(yè)在從事影子銀行業(yè)務(wù)中具有明顯差異。數(shù)字金融（DF）的均值為5.5181（原值為276.1117），表明中國(guó)整體的數(shù)字金融發(fā)展水平已達(dá)到了較高的水平。其他控制變量與已有的文獻(xiàn)基本保持一致。

（二）模型選取檢驗(yàn)

對(duì)于面板數(shù)據(jù)的回歸分析，通常采用混合POLS回歸模型、隨機(jī)效應(yīng)回歸模型或者固定效應(yīng)回歸模型。為了確定哪一種模型適合本文的研究，本文逐步采用了F檢驗(yàn)、LM檢驗(yàn)、Hausman檢驗(yàn)三種檢驗(yàn)方法以確定本文回歸模型的選取。檢驗(yàn)結(jié)果如表3所示，其中F檢驗(yàn)用于判斷混合POLS回歸模型和固定效應(yīng)回歸模型之間哪一個(gè)模型更優(yōu)，結(jié)果顯示P<0.01，這表明固定效應(yīng)回歸模型優(yōu)于混合POLS回歸模型；LM檢驗(yàn)用于判斷混合POLS回歸模型和隨機(jī)效應(yīng)回歸模型之間哪一個(gè)更優(yōu)，結(jié)果顯示P<0.01，這表明隨機(jī)效應(yīng)回歸模型優(yōu)于混合POLS回歸模型；Hausman檢驗(yàn)用于判斷固定效應(yīng)回歸模型和隨機(jī)效應(yīng)回歸模型之間哪一個(gè)更優(yōu)，結(jié)果顯示Chi2>0且P<0.01，這表明固定效應(yīng)回歸模型優(yōu)于隨機(jī)效應(yīng)回歸模型。綜上所述，固定效應(yīng)回歸模型適合本研究的實(shí)證分析。

（三）基本檢驗(yàn)結(jié)果

基準(zhǔn)回歸結(jié)果如表4所示。列（1）為控制時(shí)間、個(gè)體雙重固定效應(yīng)、不添加任何控制變量的參數(shù)估計(jì)結(jié)果，數(shù)字金融對(duì)非金融企業(yè)影子銀行化的影響系數(shù)為-0.0708，在1%的顯著性水平下顯著為負(fù)，數(shù)字金融的發(fā)展顯著抑制了非金融企業(yè)影子銀行化的行為。列（2）—列（5）為逐步添加控制變量后的回歸結(jié)果，通過(guò)觀察參數(shù)估計(jì)變化發(fā)現(xiàn)，在逐步加入控制變量的過(guò)程中，數(shù)字金融發(fā)展水平對(duì)非金融企業(yè)影子銀行化的影響系數(shù)依舊顯著為負(fù)，這說(shuō)明數(shù)字金融發(fā)展對(duì)非金融企業(yè)影子銀行化產(chǎn)生抑制影響的結(jié)論依舊穩(wěn)健。上述結(jié)果表明，數(shù)字金融的發(fā)展與非金融企業(yè)影子銀行化呈現(xiàn)出顯著的負(fù)相關(guān)關(guān)系，證實(shí)了隨著數(shù)字金融的發(fā)展水平的提升，非金融企業(yè)會(huì)減少參與影子銀行業(yè)務(wù)的行為，即數(shù)字金融的發(fā)展在提升金融效率、緩解信息不對(duì)稱等方面能夠發(fā)揮一定的積極作用，有助于提升金融服務(wù)實(shí)體經(jīng)濟(jì)的能力，降低融資約束企業(yè)對(duì)影子銀行渠道的依賴，壓縮了影子銀行業(yè)務(wù)的市場(chǎng)，進(jìn)而會(huì)抑制非金融企業(yè)影子銀行化。

（四）機(jī)制檢驗(yàn)

1.金融錯(cuò)配機(jī)制

金融錯(cuò)配是影響企業(yè)影子銀行化最重要的要素之一，已有研究發(fā)現(xiàn)金融錯(cuò)配程度的提高整體上會(huì)導(dǎo)致企業(yè)影子銀行化規(guī)模擴(kuò)張（韓珣和李建軍，2020）。數(shù)字金融對(duì)非金融企業(yè)影子銀行化產(chǎn)生抑制作用，重要的影響機(jī)制之一就是通過(guò)緩解企業(yè)金融錯(cuò)配問(wèn)題、優(yōu)化信貸資源配置，降低了企業(yè)對(duì)影子銀行融資渠道的依賴、降低了影子銀行業(yè)務(wù)的投資回報(bào)率，最終削弱了非金融企業(yè)參與影子銀行業(yè)務(wù)的動(dòng)機(jī)。表5給出數(shù)字金融對(duì)非金融企業(yè)影子銀行化作用機(jī)理的檢驗(yàn)結(jié)果。其中，列（1）列（2）分別顯示了數(shù)字金融對(duì)“金融錯(cuò)配”和“超額貸款”的實(shí)證分析結(jié)果。結(jié)果顯示，數(shù)字金融（DF）對(duì)金融錯(cuò)配（FM）和超額貸款（Loan_res）的回歸系數(shù)為負(fù)（-0.2016和-0.0336），且均通過(guò)了5%水平下的顯著性檢驗(yàn)，這說(shuō)明數(shù)字金融的發(fā)展有助于緩解企業(yè)金融錯(cuò)配。而現(xiàn)有研究已經(jīng)檢驗(yàn)了企業(yè)金融錯(cuò)配水平的提升會(huì)加劇企業(yè)影子銀行化程度這一研究結(jié)論。數(shù)字金融有效地緩解了企業(yè)金融錯(cuò)配，進(jìn)而抑制了非金融企業(yè)影子銀行化。

2.銀行競(jìng)爭(zhēng)的調(diào)節(jié)效應(yīng)

為考察銀行競(jìng)爭(zhēng)水平的調(diào)節(jié)效應(yīng)，本文基于基準(zhǔn)模型加入銀行赫芬達(dá)爾指數(shù)（HHI）及其與數(shù)字金融的交互項(xiàng)（DF*HHI），進(jìn)一步分析銀行競(jìng)爭(zhēng)（HHI）與數(shù)字金融（DF）對(duì)非金融企業(yè)影子銀行化（ShadowBank）的互動(dòng)效應(yīng)，回歸結(jié)果如表5中列（3）所示。由于銀行赫芬達(dá)爾指數(shù)（HHI）為負(fù)向指標(biāo)，其指標(biāo)數(shù)值越小說(shuō)明銀行競(jìng)爭(zhēng)程度越高。回歸結(jié)果表明，數(shù)字金融的回歸系數(shù)為-0.1065，且通過(guò)了1%水平下的顯著性檢驗(yàn)，而交互項(xiàng)DF*HHI的回歸系數(shù)為0.1891，且通過(guò)了10%水平下的顯著性檢驗(yàn)，這表明銀行競(jìng)爭(zhēng)程度越高，數(shù)字金融對(duì)非金融企業(yè)影子銀行化的抑制作用越強(qiáng)，即數(shù)字金融與銀行競(jìng)爭(zhēng)程度之間存在積極的互動(dòng)效應(yīng)。銀行競(jìng)爭(zhēng)程度的提升會(huì)通過(guò)強(qiáng)化數(shù)字金融的銀企信息匹配、信貸資源配置、金融可得性等渠道，加強(qiáng)數(shù)字金融對(duì)企業(yè)影子銀行化的抑制作用。

（五）穩(wěn)健性檢驗(yàn)

1.替換解釋變量

數(shù)字金融指數(shù)中包含兩個(gè)子項(xiàng)，分別是普惠金融覆蓋廣度（Coverage）和普惠金融使用深度（Depth）。本文選用這兩個(gè)指數(shù)替換之前的數(shù)字金融指數(shù)做進(jìn)一步檢驗(yàn)，參數(shù)估計(jì)結(jié)果如表6所示。從回歸結(jié)果可以看出，在加入控制變量并同時(shí)控制時(shí)間固定效應(yīng)和個(gè)體固定效應(yīng)的情況下，覆蓋廣度、使用深度的回歸系數(shù)在1%的顯著水平下依然顯著為負(fù)，這意味著數(shù)字金融在不同維度的發(fā)展都對(duì)非金融企業(yè)影子銀行化產(chǎn)生抑制效應(yīng)。這也進(jìn)一步驗(yàn)證了數(shù)字金融發(fā)展抑制非金融企業(yè)影子銀行化結(jié)論的穩(wěn)健性。

由于北京大學(xué)數(shù)字普惠金融指數(shù)除了有數(shù)字化的特征，同時(shí)還有普惠金融的普惠性特征，為了更好地驗(yàn)證數(shù)字金融發(fā)展對(duì)企業(yè)所產(chǎn)生的數(shù)字化影響，本文參考馮永琦等（2024）的研究，綜合百度搜索指數(shù)和金融科技公司數(shù)量?jī)煞N方法構(gòu)建地市級(jí)層面的數(shù)字金融發(fā)展指數(shù)，選用這個(gè)指數(shù)替換前文的自變量做穩(wěn)健性檢驗(yàn)，回歸結(jié)果如表6所示。從回歸結(jié)果可以看出，數(shù)字金融（Dig）的回歸系數(shù)為負(fù)（-0.0130），且通過(guò)5%水平下的顯著檢驗(yàn)，進(jìn)一步驗(yàn)證了數(shù)字金融發(fā)展抑制非金融企業(yè)影子銀行化的結(jié)論。

2.剔除部分因素影響

流動(dòng)性危機(jī)等外部沖擊會(huì)對(duì)因果識(shí)別產(chǎn)生干擾，其中2015 年中國(guó)金融市場(chǎng)流動(dòng)性危機(jī)可能會(huì)影響非金融企業(yè)影子銀行化的經(jīng)營(yíng)決策。為了排除上述可能產(chǎn)生的干擾，參考吳安兵等（2023）的研究，本文將該年樣本剔除后，再次進(jìn)行檢驗(yàn)。表7中列（1）呈現(xiàn)了回歸結(jié)果，可以發(fā)現(xiàn)，結(jié)果依然一致于基準(zhǔn)回歸，表明外部沖擊帶來(lái)的流動(dòng)性危機(jī)對(duì)本文基準(zhǔn)回歸結(jié)果并沒(méi)有產(chǎn)生較大影響，回歸結(jié)論依舊穩(wěn)健。

另外，鑒于中國(guó)直轄市具有顯著的經(jīng)濟(jì)特點(diǎn)，各地區(qū)在數(shù)字金融發(fā)展和企業(yè)投資經(jīng)營(yíng)等方面也可能有所不同，這可能會(huì)對(duì)研究成果產(chǎn)生顯著的影響。參照唐松等（2020）的方法，我們排除了直轄市的數(shù)據(jù)指標(biāo)，并重新進(jìn)行回歸分析。如表7列（2）所示，本文中關(guān)于“數(shù)字金融抑制了非金融企業(yè)影子銀行化”的核心觀點(diǎn)并未發(fā)生改變。

（六）異質(zhì)性分析

1.企業(yè)規(guī)模

大規(guī)模企業(yè)通常憑借著自身規(guī)模優(yōu)勢(shì)，擁有足夠的抵押品，與金融中介建立了良好的合作關(guān)系，因此能夠獲得充足、利率低的信貸。而中小企業(yè)由于“軟信息”的不足，其面臨的融資約束較強(qiáng)。規(guī)模歧視導(dǎo)致的金融錯(cuò)配使得大規(guī)模企業(yè)有多余的資金投資于影子銀行信貸市場(chǎng)。因此，在大型企業(yè)和中小型企業(yè)之間，數(shù)字金融對(duì)非金融企業(yè)的影子銀行化產(chǎn)生的影響可能會(huì)有明顯不同。本文依據(jù)當(dāng)年不同行業(yè)的企業(yè)規(guī)模中位數(shù)，將其分類為大型和中小型企業(yè)。通過(guò)樣本分組回歸分析，檢驗(yàn)了數(shù)字金融對(duì)非金融企業(yè)影子銀行化過(guò)程中企業(yè)規(guī)模異質(zhì)性的影響，具體的回歸結(jié)果如表8列（1）列（2）所示。研究發(fā)現(xiàn)，在中小企業(yè)的分類中，數(shù)字金融的回歸系數(shù)并不明顯，但在大型企業(yè)的分類中，數(shù)字金融的回歸系數(shù)在1%的顯著性水平下顯著為負(fù)（-1.0725）。這表明，與中小型企業(yè)相比，在大型企業(yè)樣本中，數(shù)字金融對(duì)非金融企業(yè)的影子銀行化產(chǎn)生了更為明顯的抑制效果。這說(shuō)明了數(shù)字金融有助于緩解規(guī)模歧視下的金融錯(cuò)配，約束了大型企業(yè)憑借融資優(yōu)勢(shì)獲取信貸資金并投資于影子銀行信貸市場(chǎng)的投資活動(dòng)。

2.是否為高科技企業(yè)

大部分高科技公司都是處于成長(zhǎng)階段的企業(yè)，正經(jīng)歷生命周期的發(fā)展，它們需要大量的資金來(lái)進(jìn)行創(chuàng)新和研發(fā)。高科技公司在創(chuàng)新投資上的資金需求相對(duì)較大，其內(nèi)部的經(jīng)營(yíng)風(fēng)險(xiǎn)也相對(duì)較高，這使得它們?cè)诿鎸?duì)外部不穩(wěn)定因素時(shí)的抵抗力較弱，可能會(huì)遭遇更為嚴(yán)格的融資限制。相較于高科技企業(yè)，非高科技企業(yè)在實(shí)體投資方面的機(jī)會(huì)相對(duì)較少，但它們?cè)谟白鱼y行信貸市場(chǎng)擁有更大的資金實(shí)力進(jìn)行投資，并且其影子銀行的程度也更為顯著。因此，在高科技企業(yè)和非高科技企業(yè)之間，數(shù)字金融對(duì)非金融企業(yè)的影子銀行化產(chǎn)生的影響可能會(huì)有所不同。本文通過(guò)樣本分組回歸檢驗(yàn)數(shù)字金融對(duì)非金融企業(yè)影子銀行化的產(chǎn)業(yè)異質(zhì)性影響，回歸結(jié)果如表8中列（3）列（4）所示。結(jié)果表明，數(shù)字金融的回歸系數(shù)在高科技企業(yè)分組中不顯著，而在非高科技企業(yè)分組中數(shù)字金融的回歸系數(shù)在1%的顯著性水平下顯著為負(fù)（-0.8876）。這說(shuō)明相對(duì)于高科技企業(yè)，非高科技企業(yè)的樣本中數(shù)字金融對(duì)非金融企業(yè)影子銀行化的抑制作用更顯著。這說(shuō)明金融錯(cuò)配是影響非金融企業(yè)影子銀行化的重要因素，而數(shù)字金融的發(fā)展有助于優(yōu)化信貸資源配置，更多的信貸資源流入到實(shí)體經(jīng)濟(jì)建設(shè)當(dāng)中。

3.企業(yè)數(shù)字化

隨著企業(yè)數(shù)字化進(jìn)程的不斷推進(jìn)，企業(yè)能夠高效地將內(nèi)部經(jīng)營(yíng)信息傳遞到外部，提高了外部利益相關(guān)者對(duì)企業(yè)的認(rèn)識(shí)程度，提升了企業(yè)與外界的溝通效率（祝合良和王春娟，2021）。企業(yè)數(shù)字化進(jìn)程的推進(jìn)為數(shù)字金融發(fā)展提供信息支持，有助于數(shù)字金融發(fā)展下的企業(yè)信息匹配、信用體系建立。本文參考趙宸宇等（2021）使用文本分析法構(gòu)建企業(yè)數(shù)字化轉(zhuǎn)型指數(shù)以衡量企業(yè)數(shù)字化轉(zhuǎn)型程度，并將企業(yè)數(shù)字化轉(zhuǎn)型指數(shù)高于行業(yè)年度中位數(shù)定義為數(shù)字化水平較高的樣本，其余企業(yè)定義為數(shù)字化水平較低的樣本，然后通過(guò)樣本分組回歸檢驗(yàn)數(shù)字金融對(duì)非金融企業(yè)影子銀行化的異質(zhì)性影響，回歸結(jié)果如表8中的列（5）列（6）所示。結(jié)果表明，數(shù)字金融的回歸系數(shù)在低數(shù)字化企業(yè)分組中不顯著，而在高數(shù)字化企業(yè)分組中數(shù)字金融的回歸系數(shù)在1%的顯著性水平下顯著為負(fù)（-1.4112）。這說(shuō)明相對(duì)于低數(shù)字化企業(yè)，在高數(shù)字化企業(yè)的樣本中數(shù)字金融對(duì)非金融企業(yè)影子銀行化的抑制作用更顯著。因此，數(shù)字金融對(duì)非金融企業(yè)影子銀行化的抑制作用在企業(yè)數(shù)字化程度較高的樣本中更顯著。這說(shuō)明信息不對(duì)稱是導(dǎo)致非金融企業(yè)影子銀行化的重要因素，并且企業(yè)信息數(shù)字化有助于強(qiáng)化數(shù)字金融的普惠性。

五、結(jié)論與政策建議

（一）結(jié)論

本文以非金融企業(yè)影子銀行化為研究切入點(diǎn)，基于資金供給方和資金需求方的角度，利用北京大學(xué)數(shù)字金融指數(shù)和2011—2022年的非金融上市企業(yè)財(cái)務(wù)數(shù)據(jù)進(jìn)行實(shí)證分析，研究數(shù)字金融對(duì)非金融企業(yè)影子銀行化的影響。首先驗(yàn)證了數(shù)字金融發(fā)展對(duì)非金融企業(yè)影子銀行化的抑制作用，并通過(guò)企業(yè)金融錯(cuò)配路徑分析數(shù)字金融對(duì)非金融企業(yè)影子銀行化的作用渠道，然后通過(guò)加入銀行競(jìng)爭(zhēng)與數(shù)字金融指數(shù)的交乘項(xiàng)分析其發(fā)揮的調(diào)節(jié)效應(yīng)。為檢驗(yàn)結(jié)論可靠性，本文進(jìn)行穩(wěn)健性檢驗(yàn)。此外，分析了企業(yè)規(guī)模、是否為高科技企業(yè)、企業(yè)數(shù)字化三個(gè)方面的異質(zhì)性。研究表明：數(shù)字金融的發(fā)展有助于提升中小企業(yè)從正規(guī)融資渠道獲得信貸資金的能力，進(jìn)而抑制非金融企業(yè)影子銀行化。數(shù)字金融通過(guò)緩解企業(yè)金融錯(cuò)配路徑影響非金融企業(yè)影子銀行化，并且銀行競(jìng)爭(zhēng)水平在數(shù)字金融影響非金融企業(yè)影子銀行化的過(guò)程有著積極的交互效應(yīng)，即銀行競(jìng)爭(zhēng)水平的提升會(huì)強(qiáng)化數(shù)字金融對(duì)非金融企業(yè)影子銀行化的抑制作用。相較小規(guī)模企業(yè)，大規(guī)模企業(yè)樣本中數(shù)字金融對(duì)非金融企業(yè)影子銀行化的抑制作用更加顯著；相較高科技企業(yè)，非高科技企業(yè)樣本中數(shù)字金融對(duì)非金融企業(yè)影子銀行化的抑制作用更加顯著；相較數(shù)字化轉(zhuǎn)型程度較低的企業(yè)，數(shù)字化轉(zhuǎn)型程度較高的企業(yè)樣本中數(shù)字金融對(duì)非金融企業(yè)影子銀行化的抑制作用更加顯著。

（二）政策建議

金融市場(chǎng)發(fā)展方面，應(yīng)以數(shù)字金融為切入點(diǎn)，通過(guò)提供更加便利的融資渠道緩解中小企業(yè)的融資約束問(wèn)題，削弱企業(yè)對(duì)影子銀行融資渠道的依賴，增強(qiáng)金融服務(wù)實(shí)體經(jīng)濟(jì)的能力。企業(yè)影子銀行化是金融抑制、金融錯(cuò)配下的產(chǎn)物，是傳統(tǒng)融資渠道的替代。數(shù)字金融的發(fā)展能夠?qū)崿F(xiàn)金融服務(wù)的多元化、廣覆蓋，有效提升了金融的包容性。同時(shí)數(shù)字金融的發(fā)展能夠緩解企業(yè)信息不對(duì)稱問(wèn)題，優(yōu)化信貸資源配置，在引導(dǎo)企業(yè)“脫虛向?qū)崱钡倪^(guò)程中發(fā)揮重要作用。

銀行業(yè)發(fā)展方面，應(yīng)積極促進(jìn)銀行業(yè)良性競(jìng)爭(zhēng)。銀行業(yè)競(jìng)爭(zhēng)水平上升的打破會(huì)驅(qū)使銀行主動(dòng)積極收集企業(yè)信息，進(jìn)一步緩解銀企信息不對(duì)稱的問(wèn)題，通過(guò)篩選經(jīng)營(yíng)良好的企業(yè)進(jìn)行放貸以降低銀行的信貸風(fēng)險(xiǎn)，提升金融效率。

企業(yè)監(jiān)督方面，應(yīng)重點(diǎn)關(guān)注大型企業(yè)、非高科技企業(yè)的資金使用，監(jiān)督其將信貸資金投資于實(shí)體經(jīng)濟(jì)發(fā)展。非金融企業(yè)在金融市場(chǎng)的投資行為應(yīng)以保障自身經(jīng)營(yíng)為目的，而不是作為主要的盈利渠道。只有正確引導(dǎo)更多資金流向?qū)嶓w經(jīng)濟(jì)，才能更好地實(shí)現(xiàn)經(jīng)濟(jì)高質(zhì)量發(fā)展。

（責(zé)任編輯：張恩娟）

參考文獻(xiàn)：

[1]Cortina Lorente，Juan Jose Schmukler，Sergio L.The Fintech Revolution：A Threat to Global Banking[R].Washington，D.C.：World Bank：Research and Policy Briefs Paper，2018.

[2]Han X，Hus S，Li J J.The Impact of Enterprises？ Shadow Banking Activities on Business Performance：A Test Based on Mediator Effect of Investment Scale and Investment Efficiency[J].Emerging Markets Finance and Trade，2019，55（14）：3258-3274.

[3]Jiang G，Lee C M C，Yue H.Tunneling through Intercorporate Loans： The China Experience[J].Journal of Financial Economics，2010，98（1）：1-20.

[4]Lee I，Shin Y J.Fintech：Ecosystem，Business Models，Investment Decisions and Challenges[J].Business Horizons，2018，61（1）：35－36．

[5]Leon F.Does bank competition alleviate credit constraints in developing countries[J].Journal of Banking and Finance，2015，57：130-142.

[6]Pramanik H S，Kirtania M，Pani A K.Essence of Digital Transformation—Manifestations at Large Financial Institutions from North America[J].Future Generation Computer Systems，2019，5：323-343.

[7]白俊，宮曉云，趙向芳.信貸錯(cuò)配與非金融企業(yè)的影子銀行活動(dòng)——來(lái)自委托貸款的證據(jù)[J].會(huì)計(jì)研究，2022（2）：46-55.

[8]成力為，溫源，張東輝.金融錯(cuò)配、結(jié)構(gòu)性研發(fā)投資短缺與企業(yè)績(jī)效——基于工業(yè)企業(yè)大樣本面板數(shù)據(jù)分析[J].大連理工大學(xué)學(xué)報(bào)（社會(huì)科學(xué)版），2015，36（2）：26-33.

[9]鄧路，劉瑞琪，廖明情.宏觀環(huán)境、所有制與公司超額銀行借款[J].管理世界，2016（9）：149-160.

[10]高潔超，汪晨濤，劉允.經(jīng)濟(jì)政策不確定性與非金融企業(yè)的影子銀行化[J].金融論壇，2020，25（8）：18-27+51.

[11]龔關(guān)，江振龍，徐達(dá)實(shí)，等.非金融企業(yè)影子銀行化與資源配置效率的動(dòng)態(tài)演進(jìn)[J].經(jīng)濟(jì)學(xué)（季刊），2021，21（6）：2105-2126.

[12]郭峰，王靖一，王芳，等.測(cè)度中國(guó)數(shù)字普惠金融發(fā)展：指數(shù)編制與空間特征[J].經(jīng)濟(jì)學(xué)（季刊），2020，19（4）：1401-1418.

[13]韓珣，田光寧，李建軍.非金融企業(yè)影子銀行化與融資結(jié)構(gòu)——中國(guó)上市公司的經(jīng)驗(yàn)證據(jù)[J].國(guó)際金融研究，2017（10）：44-54.

[14]黃賢環(huán)，王翠.非金融企業(yè)影子銀行化與盈余可持續(xù)性[J].審計(jì)與經(jīng)濟(jì)研究，2021，36（4）：80-89.

[15]江振龍.融資約束、非金融企業(yè)影子銀行活動(dòng)與宏觀審慎政策[J].金融評(píng)論，2020，12（5）：91-109+126.

[16]李建軍，韓珣.非金融企業(yè)影子銀行化與經(jīng)營(yíng)風(fēng)險(xiǎn)[J].經(jīng)濟(jì)研究，2019，54（8）：21-35.

[17]劉珺，盛宏清，馬巖.企業(yè)部門(mén)參與影子銀行業(yè)務(wù)機(jī)制及社會(huì)福利損失模型分析[J].金融研究，2014（5）：96-109.

[18]馬俊.數(shù)字金融、銀行風(fēng)險(xiǎn)承擔(dān)與經(jīng)濟(jì)高質(zhì)量發(fā)展[J].海南金融，2023（1）：18-37.

[19]邵挺.金融錯(cuò)配、所有制結(jié)構(gòu)與資本回報(bào)率：來(lái)自1999～2007年中國(guó)工業(yè)企業(yè)的研究[J].金融研究，2010（9）：51-68.

[20]司登奎，李小林，趙仲匡.非金融企業(yè)影子銀行化與股價(jià)崩盤(pán)風(fēng)險(xiǎn)[J].中國(guó)工業(yè)經(jīng)濟(jì)，2021（6）：174-192.

[21]譚小芬，尹碧嬌，楊燚.中國(guó)非金融企業(yè)杠桿率的影響因素研究：2002—2015年[J].中央財(cái)經(jīng)大學(xué)學(xué)報(bào)，2018（2）：23-37.

[22]唐松，賴曉冰，黃銳.金融科技創(chuàng)新如何影響全要素生產(chǎn)率：促進(jìn)還是抑制？——理論分析框架與區(qū)域?qū)嵺`[J].中國(guó)軟科學(xué)，2019（7）：134-144.

[23]滕磊.數(shù)字普惠金融緩解中小企業(yè)融資約束的機(jī)制與路徑[J].調(diào)研世界，2020（9）：27-35.

[24]王永欽，劉紫寒，李嫦，杜巨瀾.識(shí)別中國(guó)非金融企業(yè)的影子銀行活動(dòng)——來(lái)自合并資產(chǎn)負(fù)債表的證據(jù)[J].管理世界，2015（12）：24-40.

[25]吳安兵，龔星宇，陳創(chuàng)練，等.非金融企業(yè)影子銀行化的風(fēng)險(xiǎn)承擔(dān)效應(yīng)：內(nèi)在機(jī)制與經(jīng)驗(yàn)證據(jù)[J].中國(guó)工業(yè)經(jīng)濟(jì)，2023（4）：174-192.

[26]謝平，鄒傳偉.互聯(lián)網(wǎng)金融模式研究[J].金融研究，2012（12）：11-22.

[27]謝雪燕，朱曉陽(yáng).數(shù)字金融與中小企業(yè)技術(shù)創(chuàng)新——來(lái)自新三板企業(yè)的證據(jù)[J].國(guó)際金融研究，2021，405（1）：87-96.

[28]徐章星，李祎雯.數(shù)字普惠金融對(duì)小微企業(yè)勞動(dòng)收入份額的影響研究[J].海南金融，2024（4）：41-64.

[29]徐章星，張兵，劉丹.數(shù)字金融發(fā)展、企業(yè)信貸錯(cuò)配與勞動(dòng)就業(yè)——一個(gè)有調(diào)節(jié)的中介效應(yīng)[J].財(cái)經(jīng)論叢，2020（12）：40-49.

[30]趙宸宇，王文春，李雪松.數(shù)字化轉(zhuǎn)型如何影響企業(yè)全要素生產(chǎn)率[J].財(cái)貿(mào)經(jīng)濟(jì)，2021，42（7）：114-129.

[31]周煜皓，張盛勇.金融錯(cuò)配、資產(chǎn)專用性與資本結(jié)構(gòu)[J].會(huì)計(jì)研究，2014（8）：75-80+97.

[32]祝合良，王春娟.“雙循環(huán)”新發(fā)展格局戰(zhàn)略背景下產(chǎn)業(yè)數(shù)字化轉(zhuǎn)型：理論與對(duì)策[J].財(cái)貿(mào)經(jīng)濟(jì)，2021，42（3）：14-27.

[33]丁繼平，馬順福，吳玥.我國(guó)非金融企業(yè)部門(mén)的信用周期及其結(jié)構(gòu)特征[J].金融經(jīng)濟(jì)，2021（2）：68-73.

基金項(xiàng)目：本文系廣東省哲學(xué)社會(huì)科學(xué)規(guī)劃項(xiàng)目“實(shí)現(xiàn)共同富裕視域下中國(guó)家庭生育和教育的理論、經(jīng)驗(yàn)與對(duì)策研究”（GD23CYJ06）；廣東省基礎(chǔ)與應(yīng)用基礎(chǔ)研究基金項(xiàng)目“金融科技對(duì)家庭金融資產(chǎn)配置滿意度的影響研究”（2023A1515012778）階段性研究成果。

收稿日期：2024-05-12

作者簡(jiǎn)介：付佳琦（1999-），男，江西上饒人，暨南大學(xué)經(jīng)濟(jì)學(xué)院碩士研究生。