王启越 倪嘉祺 马忠民（副教授）

（徐州工程学院 江苏 徐州 221000）

科技型中小企业作为国家实施创新发展战略的重要载体，在研发过程中，存在投入周期长、风险可控性差、未来收益稳定性弱的特征，故需要大量且流通性稳定的资金来维持创新活动的发展。但长期以来由于融资成本过高、财务会计信息不完善、抵押物质量低且紧缺等问题，所以在充斥着信息不对称、易逆向选择的金融环境下，科技型中小企业面临严峻的传统金融体系排斥问题，易陷入内部资金链断裂以及外部融资很难取得的困境中。特别在当前疫情冲击下外部经济发展环境影响，放大了积聚已久的科技型中小企业融资难、融资贵的问题。那么，以数字技术作为机能叠加政策扶助金融创新，数字普惠金融的发展是否能够提升科技型中小企业的融资效率，为此展开研究具有重要的现实意义与长远意义。

一、文献梳理与假设提出

张瑾华等（2016）、何剑等（2021）认为融资困境一直是制约中小企业发展的瓶颈，是一项亟待解决的现实难题。孙绪换（2020）认为中小企业易忽视内部控制，导致财务信息失真、信用降低，企业难以取得融资。刘志强等（2018）认为科技型中小企业自身的规模小、竞争力弱的局限，通过股票市场获得融资存在着很大的困难，刘淑萍（2021）认为债券市场中金融机构基于信贷风险，会更偏向于将贷款发放给稳定运营的企业而非高风险的科技型中小企业。据此提出假设1。

H1：我国的科技型中小企业普遍存在融资约束。

Berger等（2019）认为数字普惠金融可以多角度精确评估科技型中小企业的信用状况以及信贷风险，减少信息不对称。吴庆田等（2020）认为普惠金融是解决中小企业受金融服务排斥问题的有效途径。吴慧慧等（2020）、郑祖昀等（2021）、黄国平（2021）认为以信息技术为构建基础构建的数字普惠金融能够有效缓解金融市场上存在的信息不对称问题，数字普惠金融的发展有助于缓解其融资约束的困境，提高金融服务质量与效率。据此提出假设2。

H2：数字普惠金融全面发展能够有效统筹协调科技型中小企业外部融资束缚。

二、模型构建

根据现金-现金流敏感性模型理论，并结合我国学者对该模型进行的实证检验，建立基准模型，如式（1）。

其中被解释变量Cash为企业内部盈余现金预留的变动，CF为企业来自经营活动的现金流，Grow表示企业未来可持续成长性，Size反映了企业规模，NWC为企业非现金净营运资本的变动，Expand为企业长期资本支出，d为时间效应，f为个体效应，ε为误差扰动项。

为了考察数字普惠金融对科技型中小企业筹资束缚的作用模式，借鉴Khurana等的研究内容，参照国内学者刘淑萍（2021），在基准模型上增加了数字普惠金融指数与CF指标的交互项，纳入三个二级指标和现金流指标形成扩展模型，如式（2）。

各个变量的解释说明如表1所示。

表1 主要变量说明

三、实证检验

（一）样本选择与数据来源

本文采用的研究样本为创业板的全国中小企业2013—2018年度财务数据。模型中所用的企业财务数据均从国泰安数据库获得，数字普惠金融指数选取来自北大数字普惠金融指数，对应的研究区间是2013—2018年度数据，对所获取数据进行如下筛选：（1）剔除样本区间内ST、*ST、PT类（经过特别处理，面临退市预警，以及经过特别转让处理的公司）；（2）依据科技型中小企业的特征，选取行业类型。①G类信息传输、软件和信息技术服务业，此行业是指利用计算机通讯网络技术，对数据进行编写、收取、处理加工以及利用，并提供终端服务活动。②M科学研究和技术服务业，是指运用现代的科技知识与技术方法，向社会提供智能服务的新兴产业，包括科学研究专业技术服务与推广、科技信息交流与培训、科学技术评估等活动；（3）剔除财务数据异常和财务数据缺失的公司。科技型中小企业上市年份较晚并且有些省份只有少数此类企业，最终取得101家科技型中小企业，其中所属G类信息传输、软件和信息技术服务业的企业43家，占总样本量的43%，M科学研究和技术服务业58家，占比57%，共计440个观测值非平衡面板数据。

（二）描述性统计

对所选取变量利用Stata软件进行描述性统计的分析与整理，详见表2。如表2所示，此项数据佐证本文所做第一个假设，处于创业期的企业难以靠自有资本满足企业持续成长需求，并存在较为严峻的融资约束问题。

表2 全样本描述性统计

（三）相关性分析与模型检验

运用Stata软件进行相关性分析显示的系数绝对值都未超过警戒线且都在0.6之下，因此可以证明所选样本较合理且所形成的非平衡面板数据之间不具用多重线性相关问题，所构建的模型也不需要修正。

在对2013年至2018年的非平衡面板数据进行全样本回归处理之前，需要对估计模型效应方法选择问题进行相关检验。检验估计量之间存在显著差异的经典检验方法是豪斯曼检验，该检验可以有效识别模型是随机效应模型还是固定效应模型。利用豪斯曼检验对固定效应模型和随机效应模型进行选择,其检验结果显示检验统计量为8.78，其p值为0.0415＜显著水平α=0.05，结果如表4所示，未超过估计误差范围。因此通过豪斯曼检验表明，拒绝H0随机效应模型接受被择H1固定效应模型。

表4 豪斯曼检验报告

（四）实证结果分析

以现金持有量变动作为被解释变量，采用Stata的软件，通过固定效应模型来实证分析数字普惠金融指数覆盖程度、使用深度和数字化程度3个维度指标对科技型中小企业融资约束的影响，分别表示在1%、5%、10%置信水平上进行显著检验，汇总结果如下页表5所示。

从表5可以看出，在基准模型和5个扩展模型中，现金流CF的回归系数均显著为正，表明本文所选取101家科技型中小企业存在现金-现金流敏感现象。在控制变量方面，净运营资本NWC的估计系数显著为正，表明随着企业经营资本的增加，企业会持有更多的现金以备未来融资需求。企业成长性Grow显著为正，表明当科技型中小企业处在高速成长期时，会存蓄大量现金。资本性支出Expand显著为负，表明资本支出越多，现金持有越少。企业规模Size在模型中为显著为负，说明随着科技型中小企业规模的扩大持有的现金资产将减少。故全样本回归结果可验证本文的第一个假设。

表5 样本回归结果

数字普惠金融总指数CF×DIFI的指数呈现负向相关，说明数字普惠金融的发展可以显著缓解科技型中小企业融资约束。具体来看数字普惠金融覆盖程度、使用广度和数字化程度、各回归系数均显著为负，说明数字普惠金融的三个二级指标对科技型中小企业融资约束具有一定的缓解作用。故可验证本文的第2个假设。

（五）稳健性检验

对于内生性问题，除了运用豪斯曼检验选定固定效应模型的检验结果，能够在一定程度上有效缓解内生性问题对估计效果产生的不利影响，还考虑到经营活动现金流可能与其未来投资方向有关，会有干扰变量的影响使模型估计产生偏差。为了进一步降低内生性问题、提高回归结果的可靠性，故对原模型中的经营活动现金流CF进行替换，以企业总现金TCF进行稳健性检验，结果如表6所示。

由表6可以看出，当利用企业总现金流TCF作为经营活动产生的现金流CF的替代指标进行重新回归之后，企业总现金流的估计系数仍然显著为正，即使其系数明显缩小但不影响其对现金流的正向影响效果。并且其他系数都与原回归模型无明显差别，因此通过稳健性检验。

表6 稳健性检验结果

四、相关对策建议

（一）国家政策层面

首先，要健全数字普惠金融发展配套政策，加大基础设施投入，完善网络通信以及自助结算系统，以科技型中小企业创新发展战略规划为核心目标，推进支持和监管数字普惠金融的健康可持续发展，充分发挥数字普惠金融的包容性特质，针对地区发展不平衡性；其次，加强新型服金融服务平台的安全监管，可以利用区块链的加密技术，提升数字信息安全问题，缓释金融监管缺失的消极影响；最后，完善征信系统建设，全面整合客户信息，总体规划金融监管控制体系，在合理配置金融资源上要多元化灵活实施政府职能。

（二）金融机构层面

首先要利用数字化技术，深化金融机构改革升级，随着金融市场供给侧结构性改革深化，要加快传统金融机构的升级转型，提高数字化程度，高效运用大数据、区块链、人工智能等数字化技术，提升金融服务的效用与覆盖范围，实现创新转型；其次，实施创新融资渠道多元化，构建个性化企业信贷支持，提升金融服务质量与效率，不断丰富针对科技型中小企业金融产品与金融服务的种类，确定合理的信贷结构。

（三）科技型中小企业层面

首先，要提升企业自身内部控制与财务制度规范，不断健全强化风险控制管理机制并加强管理层内部的分级管控体系，增强企业应对未来风险能力，对于创新研究开发的主营业务企业应该合理配置金融资源，将资金投入到具有未来创新性项目中；其次，积极寻求并利用多种新兴融资方式，提前做好融资规划，积极利用数字普惠金融的优势拓宽融资渠道，合理地控制信贷水平，权衡融资渠道，谨慎引入资本并提前进行风险评估与控制手段。