孙芳城，伍桂林，蒋水全

（重庆工商大学a.会计学院；b.长江上游经济研究中心，重庆 400067）

一、引 言

投资是经济增长的源泉，效率是经济永恒的主题，高效率的投资有利于企业在日益激烈的竞争中抢得先机。党的十九大报告提出，要推动经济发展质量变革、效率变革和动力变革，其中，效率变革就是要挣脱效率的桎梏，以既定的投资获取最大的回报。Hayashi（1982）［1］认为，在完美的资本市场和公司不存在代理问题的理想情况下，投资的边际回报率与边际资金成本相等时，企业的投资水平达到最优。然而，现实中信息不对称［2］、代理问题［3］及投资意愿偏误［4］等情况广泛存在，非效率投资问题层出不穷。已有研究表明，2010—2015年间1 770家制造业上市公司中平均有36.19%的公司实际投资超出最优投资，最大值高达650%，过度投资现象非常严重；平均有63.81%的公司实际投资低于最优投资，投资不足普遍存在［5］。为此，党的十九届五中全会提出对金融体系进行结构性调整，充分发挥资本市场对实体经济的支撑作用。但由于我国金融市场存在分割性和垄断性，整体的融资与投资体制扭曲。因此，推动企业从非效率投资向有效投资转变刻不容缓。

迄今为止，学者大多聚焦于政府支持、银行股权关联等传统融资渠道研究企业的融资与投资行为。Liu和Jiang（2016）［6］的研究表明，银行股权关联所搭建的关系网络能够助推企业建立政治关联、行业协会关系等社会资本，不仅为创新项目融资带来便利，还有利于税收优惠、行业准入资格等其他稀缺资源的获取；王克敏等（2017）［7］研究发现，公司的政府补助、长期负债越多，其投资水平越高，投资效率越低，过度投资程度越严重；李延喜等（2015）［8］研究指出，以GDP为核心的“晋升锦标赛”使得地方政府为追求政治晋升，利用权力影响公司投资来实现政绩目标。上述学者对公司投资效率的探究取得了丰硕的成果，但鲜有学者关注数字普惠金融对企业投资效率具有至关重要作用。2013年11月，十八届三中全会正式提出发展普惠金融；2015年12月，国务院发布《推进普惠金融发展规划（2016—2020年）》，将普惠金融纳入国家发展战略规划；2016年9月，G20杭州峰会上发布了国际社会普惠金融领域的首个高级别指引性文件《G20数字普惠金融高级原则》。数字普惠金融，是指通过使用数字金融手段促进普惠金融的金融服务。具体来讲，数字金融产品和服务的创新大大降低了金融服务成本，有效解决了传统金融落地过程中融资难、成本高、效率低的“最后一公里”问题［9］，真正实现了“普惠金融”应有之义。

数字普惠金融能否改善金融与经济效率，提升经济主体的福利？目前，已有文献大多从城乡收入差距［10］、经济发展［11］以及创业就业［12］等宏观层面对数字普惠金融展开探讨。在微观企业层面，学者主要从数字普惠金融能够提高企业的运作效率［13］、促进企业技术创新［14-15］以及提升企业价值［16］等方面关注数字普惠金融的经济后果。上述研究从不同角度探讨了数字普惠金融在宏观层面和微观层面的益处，然而，数字普惠金融发展对微观企业可能存在的效率损失尚未得到充分考虑。数字普惠金融借助大数据、云计算、区块链和人工智能等信息技术，改善了传统金融中由于信息不对称而产生的高风险溢价和高运营成本问题，为拓展金融服务范围和触达能力提供了稳定的技术支撑，但其能否真正提高企业的投资效率？同时，在我国新兴加转轨的非成熟市场经济条件下，数字普惠金融对不同产权性质的企业投资效率有何反应？这些问题有待进一步研究与探讨。

为了回答上述问题，本文将北京大学数字金融研究中心提供的普惠金融指数与沪深A股上市公司的年度数据相匹配，并结合我国特殊的产权特征，经过工具变量法、PSM、Heckman两阶段法、改变样本容量及替换变量等一系列稳健性检验，剖析数字普惠金融对企业投资效率的作用机制与影响差异。

本文可能存在的边际贡献在于：①与以往多数文献从传统融资渠道研究企业投资行为不同，本文以数字普惠金融为视角，较早关注数字普惠金融对企业投资效率的影响机制和作用效果，揭示了数字普惠金融影响企业投资决策的过程黑箱，丰富了投资效率的影响因素；②现有文献大多从微观居民层面，如家庭收入［17］、居民消费［18］、农村创业［19］等方面对数字普惠金融展开研究，本文从微观企业层面嵌入，考察数字普惠金融对企业投资效率的影响效果及其异质性，进一步补充了数字普惠金融对微观企业层面的经济后果；③本文从数字普惠金融视角探讨了金融市场发展对企业投资行为的影响，研究发现数字普惠金融对企业投资效率兼具积极与消极两种金融属性，有助于建立宏观金融市场与微观企业行为之间的联系，对当前渐进式的金融改革提供微观经验证据。

二、理论分析与研究假设

（一）数字普惠金融与投资效率

资源依赖理论认为，数字普惠金融打通了企业与金融服务机构的合作链，依托金融机构的行业支持与资源积累引入企业的客户流量和应用场景［20］。从理论上讲，数字普惠金融可以通过改善资金供求双方信息不对称程度、降低债务融资成本和拓宽融资渠道等路径影响企业的投资效率。首先，企业对外信息不对称及由此衍生的逆向选择和道德风险问题是造成非效率投资的主要缘由［21］。数字普惠金融通过信息技术对企业实行较为精确的风险评估，促进企业与金融机构的业务协同，实现两者信息交流的帕累托改进，从而缓解融资约束，提高企业的融资与投资效率。如韩元亮等（2021）［22］认为，金融发展可以解决市场中的信息不对称问题，从而达到优化资源配置和提高企业投资效率的作用，对经济增长有显著的正向效应。其次，大量的资金占用、现金分红、资产转移等行为导致企业的投资现金流量严重减少［23］，管理层出于融资成本和财务风险的考虑而减少投资。数字普惠金融凭借云计算等技术发挥信息整合作用，处置成本与交易成本大幅减少，改变了传统金融服务的提供方式，极大提高了企业的投资积极性。例如，Fuster等（2019）［24］研究发现，数字技术手段不仅使贷款审批速度提高将近20%，还降低了企业融资成本。最后，部分具有发展潜力的企业受抵押品不足、经营能力较差等因素的限制，往往被传统金融服务排斥在外，制约了企业对投资项目的潜在驱动力。数字普惠金融通过打破传统金融服务受基础设施和地理距离等硬件条件的约束［13］，扩大了传统金融服务的覆盖度，同时借助其多样化、多维度服务模式拓宽了企业的融资渠道，进一步解决了长尾群体的融资难题，为企业提供更多的资金来源。因此，数字普惠金融独特的便捷性、低成本与普惠特性，可以降低利益相关者对投资项目的不确定性与价值评估风险，缓解筹资环节的信息不对称程度，增加企业的投资现金流量与投资机会，解决企业的投资不足问题。

然而，当企业现金流量和投资机会大量增加时，经理人有足够的动机进行过度投资。一方面，在经理人效用是企业规模增函数的情况下，当企业现金流量和投资机会增加时，第一类代理问题的存在可能会导致经理人为了谋求私利，而将资金投资于净现值为负但有利于扩大企业规模的项目，进而导致企业过度投资［4］；另一方面，由于经理人并非受利益相关者完全监督，其很有可能利用职权产生在职消费等违背利益相关者权益的行为，从而降低企业的投资效率。韩林静（2018）［25］认为，经理普遍具有“经理帝国主义”，他们希望企业规模越大越好，以此掌控更多的资源并从中谋利。可见，尽管数字普惠金融拓宽了企业的融资渠道，但现金流量和投资机会增加为经理人过度投资创造了一定的空间。

综上所述，可以推论：数字普惠金融对企业投资效率的影响可能会出现非对称效应，即数字普惠金融在改善投资不足的同时可能会刺激企业过度投资。基于此，本文提出假设1。

H1：数字普惠金融能够缓解投资不足，同时也会导致企业过度投资。

（二）数字普惠金融、产权性质与投资效率

由上文分析可知，数字普惠金融主要通过缓解信息不对称等方式影响企业的投资行为，但复杂的治理机制使得数字普惠金融的传导路径依然有赖于企业的产权结构。政府会通过各种政策措施协助国有企业减少效率损失，但事实上，政府的部分保护行为与政策却在一定程度上助长了寻租腐败等现象，致使国有企业在经营投资方面效率相对低下［26］。同时，国有企业管理层为了规避风险，加之管理层普遍存在“不求有功，但求无过”的保守心态，导致与潜在机会失之交臂，这在一定程度上降低了企业的投资效率［8］。而对民营企业来说，融资难和成本高始终是其投资不足的原因，严重影响公司的投资进程。此外，当公司内部存在信息不对称时，代理人目标与股东目标相背离，管理层为了构建企业帝国或增加在职消费而放弃部分净现值为正的投资机会，造成投资不足［27］。因此，数字普惠金融通过降低企业委托代理成本、减少信息不对称程度及缓解融资约束来间接影响企业的投资决策，而且金融机构对企业还有隐形监督作用，极大地改善了国有企业与民营企业投资不足的现状。

从过度投资来看，我国处于新兴加转轨的非成熟市场经济阶段，国有企业与民营企业在资源要素配置方面存在明显差异［28］。一方面，国有企业由于自身属性特殊，有时还需承担额外的社会发展等社会目标，在面临困境时政府也有责任和动机对其实施扶持。如张青（2022）［29］研究发现，国有企业的税负综合平均值是非国有企业的5倍多，税负贡献率远高于非国有企业，因此，国有企业不仅需要考虑个体层面的经营管理，还需照顾宏观层面的经济发展。另一方面，国有企业从诞生之初就有政府的资金支持和政策保护，甚至拥有特殊的融资渠道。不仅如此，国有企业在经营过程中还会受到政府特殊的信贷支持，挤出了民营企业的信贷资源，不对等的市场地位降低了民营企业的投资效率。因此，在政府偏好与资本市场资源配置低效率的情况下，民营企业面临严重的资源配置歧视。数字普惠金融的出现解决了民营企业融资渠道单一、成本居高不下等问题。然而，在缺乏有效监督的情况下，数字普惠金融增加的现金流更易导致民营企业管理层利用关联借贷等方式进行利益攫取并加剧投资过度。与此同时，与国有企业相比，民营企业难以通过其他替代性渠道解决融资问题，因而更愿意利用数字普惠金融的低门槛、低成本和高效率的特性获取资金，但数字普惠金融的资源配置优势，也可能导致管理层高估自身融资能力、降低对财务风险的担忧以及对企业发展前景过于乐观而做出过度投资的行为。基于此，本文提出假设2。

H2a：数字普惠金融对国有企业和民营企业投资不足均有缓解作用；

H2b：与国有企业相比，数字普惠金融更易导致民营企业过度投资。

三、研究样本与模型构建

（一）样本选择和数据处理

本文以2013—2019年沪深两市A股上市公司年度数据为研究样本，之所以选择2013年作为起始年度，是因为2013年我国正式提出发展普惠金融。本文对初始数据进行了如下处理：①剔除金融、保险行业和ST类公司。②剔除财务数据中的缺失值和异常值。③剔除同时发行H股或B股的公司。此外，考虑极端值的影响，本文对样本主要连续变量进行了上下1%的Winsorize处理，最终得到7 462个样本观测值。本文的数字普惠金融指数来自北京大学数字金融研究中心编制的《数字普惠金融指数》中的省级层面指数，其他变量的数据均来源于CSMAR数据库。需要说明的是，由于数字普惠金融指数属于地区层面的数据，本文将公司层面的数据依照其公司注册地匹配到所在省份，然后按数据的省份和年份与数字普惠金融指数的省份和年份匹配，对本文展开研究。

（二）变量选取

1.投资效率

借鉴Richardson（2006）［30］的研究，本文构建以下模型来计算投资效率，具体做法如下：首先，根据模型（1）计算投资水平的估计值；其次，把投资水平的实际值与估计值的差值记为残差ε；最后，若ε＞0，ε的值表示过度投资额，若ε＜0，ε的绝对值表示投资不足额。

其中：Invi，t为i公司t年的实际投资水平，是固定资产、无形资产、在建工程及其他长期投资的净值改变量与资产总额的比值，由于公司本期投资水平主要由上期的整体运营情况决定，因此该模型的解 释 变 量 均 为 滞 后 一 期 的 变 量；Sizei，t-1、Tqi，t-1、Cfi，t-1、Agei，t-1、Returni，t-1、Levi，t-1、Invi，t-1分别代表i公司在t-1年的资产规模、投资机会、现金流量、公司年龄、股票收益率、资产负债率和投资水平。模型的回归系数见表1所列。

表1 投资预期模型的回归结果

2.数字普惠金融

借鉴郭峰等（2020）［31］的研究，本文采用北京大学数字金融研究中心编制的《数字普惠金融指数》中的省级层面数据作为数字普惠金融（Index）的代理变量。此外，本文还进一步考察了数字普惠金融覆盖广度、使用深度和数字化服务程度三个二级指标对企业投资效率的影响。其中，覆盖广度（Cover）反映数字普惠金融依托互联网技术的地理穿透性；使用深度（Use）表示数字普惠金融的实际使用情况；数字化程度（Dig）则通过移动化、实惠化、信用化和便利化等指数体现。

3.控制变量

借鉴以往学者［15，21］的研究，本文还考虑了公司规模（Size）、资产负债率（Lev）、总资产报酬率（Roa）、股权集中度（Large）、投资机会（Tq）、资本密集度（Cap）、公司年龄（Age）、年度（Year）和行业（Industry）等因素对投资效率的影响。

具体变量定义与计算说明见表2所列。

表2 变量定义与计算说明

（三）模型构建

借鉴李红和谢娟娟（2018）［32］的研究，本文构建如下模型来检验数字普惠金融对企业投资效率的影响：

其中：OI代表过度投资；UI代表投资不足；Index为数字普惠金融指数；其余变量为控制变量。

四、实证结果与分析

（一）描述性统计

变量的描述性统计结果见表3所列。从过度投资来看，过度投资（OI）的最大值和均值分别为0.241 0、0.039 1，表明企业实际投资支出超出最优投资的最大值占总资产的24.1%，平均超出总资产的3.91%；最大值与最小值差距较大，且均值高于中位数，表明企业过度投资的程度较为严重。从投资不足来看，企业实际投资支出低于最优投资的最大值占总资产的12.67%，平均低于总资产的2.72%，虽然企业投资不足程度较轻，但整体来看投资不足现象较为普遍，平均有58.98%的企业存在投资不足问题。出现上述现象的原因可能是，我国经济的高速增长为企业提供了大量的投资机会，但代理问题的存在导致部分企业过度投资，加之现实中大部分企业都普遍存在融资难等问题，致使过半以上的企业投资不足。数字普惠金融总指数（Index）均值为5.478 1，中位数为5.484 6，标准差为0.241 5，具有较好的收敛性。从数字普惠金融覆盖广度（Cover）、使用深度（Use）和数字化程度（Dig）三个细分维度指标来看，也相差不大。其余变量的描述性统计与已有相关研究的统计结果差别不大，不再赘述。

表3 主要变量的描述性统计

本文将样本划分为国有企业与民营企业，并按均值与中位数分组进行差异性检验，差异性分析结果见表4所列。从过度投资来看，民营企业过度投资数量超过国有企业过度投资数量的2倍，其残差均值明显大于国有企业的残差均值，且两组的组间差异P值在1%水平上显著，表明民营企业因缺乏监督与代理问题更容易过度投资。从投资不足来看，民营企业与国有企业均有投资不足问题，产权性质差异不明显。此外，本文还按中位数分组进行差异性检验，统计结果基本一致。

表4 国有企业和民营企业的差异性分析

（二）多元回归分析

1.数字普惠金融与投资效率

数字普惠金融与投资效率的检验结果见表5所列。从投资不足来看，第（1）列回归结果显示数字普惠金融总指数（Index）的估计系数显著为负，表明数字普惠金融凭借其成本优势和降低信息不对称程度缓解了企业的投资不足，H1部分得到验证。进一步分维度检验发现，第（2）列数字普惠金融覆盖广度（Cover）和第（3）列数字普惠金融使用深度（Use）的估计系数均显著为负，与数字普惠金融总指数回归结果基本一致，而第（4）列数字化程度（Dig）的回归系数为负但不显著。由此，从具体的细分维度来看，数字普惠金融主要通过其覆盖范围和使用深度两方面解决企业的投资不足问题，反映数字普惠金融的数字支持服务程度对企业投资不足的改善效果还存在局限，如何提高数字金融服务效率仍需依赖良好的公司治理机制。

表5 数字普惠金融与投资效率

从过度投资来看，第（5）列回归结果显示数字普惠金融总指数（Index）的估计系数显著为正，表明数字普惠金融导致企业过度投资，H1得到验证。进一步分维度检验发现，第（6）列覆盖广度（Cover）和第（7）列使用深度（Use）的回归系数均显著为正，与数字普惠金融总指数回归结果基本一致，第（8）列数字化程度（Dig）的回归系数为负但不显著，表明数字普惠金融的数字支持服务程度可能会帮助企业进行数据分析而减少企业的过度投资，但代理问题或管理层对前景过于乐观的过度投资行为使数字化程度产生的效果不显著。

2.数字普惠金融、产权性质与投资效率

数字普惠金融、产权性质与投资效率的检验结果见表6所列。

表6 数字普惠金融、产权性质与投资效率

从投资不足来看，第（1）、第（2）列中数字普惠金融在国有企业与民营企业的回归系数均显著为负，且通过Fisher′s Permutation Test检验发现组间系数差异不显著。检验结果表明，国有企业与民营企业均存在投资不足的现象，而数字普惠金融可通过改善企业信息不对称、降低委托代理成本及缓解融资约束来解决企业投资不足问题，H2a得到验证。从过度投资来看，第（3）列中国有企业数字普惠金融（Index）的回归系数不显著，第（4）列中民营企业数字普惠金融（Index）的回归系数为0.013 5，在10%水平上显著为正，表明数字普惠金融加剧过度投资的现象在民营企业中显著，而在国有企业中不显著，H2b得到验证。究其原因可能是，不对等的竞争地位和受限的融资渠道使民营企业投资效率受到影响，而数字普惠金融的低成本、高效率和范围广的特性使民营企业增加对自身融资能力的预期、减少企业对财务风险的担忧，从而在决策时高估企业能力而做出过度投资的行为。

（三）稳健性检验

1.内生性检验

（1）工具变量法。借鉴谢绚丽等（2018）［33］的研究，本文选取省级互联网普及率作为数字普惠金融的工具变量。一方面，互联网普及率与数字普惠金融的发展紧密关联；另一方面，互联网普及率与企业投资决策之间不存在直接影响路径。因此，互联网普及率适合作为数字普惠金融的工具变量。相关检验结果见表7所列。

表7 工具变量法

首先，使用工具变量互联网普及率（IVrate）进行第一阶段回归，结果表明互联网普及率（IVrate）与数字普惠金融指数（Index）显著正相关，且通过检验数字普惠金融指数（Index）与工具变量互联网普及率（IVrate）的相关性发现，投资不足组与过度投资组中第一阶段F值均远大于临界值，表明不存在弱工具变量问题；其次，将第一阶段的拟合值带到第二阶段中回归，第（2）列投资不足组中回归系数显著为负，表明数字普惠金融缓解了企业投资不足，第（4）列过度投资组中回归系数在5%水平上显著为正，表明数字普惠金融加剧企业过度投资。

（2）Heckman两阶段法。考虑企业在投资过程中可能存在自我选择效应，即企业增加投资的原因可能不是受数字普惠金融的影响，而是其他尚未被模型（2）捕捉的因素，从而导致本文的估计有偏。为此，本文使用Heckman两阶段来解决由此导致的内生性问题。在第一阶段中，以模型（2）中的控制变量为企业特征变量进行Probit估计，根据模型预测结果计算逆米尔斯比率（IMR）；在第二阶段中，将计算出的逆米尔斯比率（IMR）加入模型（2）中作为控制变量。检验结果见表8所列。

表8 Heckman两阶段法

结果表明，IMR系数不显著，表明不存在自选择问题，且数字普惠金融（Index）与投资不足（UI）、过度投资（OI）的回归系数均在统计意义上显著，回归结论与前文保持一致。

（3）倾向得分匹配法。本文使用倾向得分匹配法（PSM）来缓解可能存在的样本选择偏差问题。首先，在控制模型（2）的企业特征变量之后，进行1∶1的最近邻匹配。平衡性检验结果表明，匹配之后的变量标准化偏差在10%之内，与匹配前相比，变量的标准化偏差明显缩小，说明通过PSM后的样本有效地消除了由变量的系统性差异导致的研究结果偏误，通过了平衡性检验。其次，将配对后的4 481个样本进行多元回归检验，检验结果见表9所列。结果表明，数字普惠金融（Index）与投资不足（UI）、过度投资（OI）的回归系数均显著，研究结论稳健。

表9 PSM检验

2.其他稳健性检验

为保证研究结论的稳健性，本文还进行了如下稳健性测试。

（1）改变样本容量法。考虑采用Richardson模型衡量投资效率时容易产生设定偏误，本文将实际投资与最优投资的残差绝对值平均划分为三组并剔除最小值组，将剩下样本重新划分为投资不足组与过度投资组，检验结果见表10所列。第（1）、第（2）列结果表明，数字普惠金融能够缓解企业投资不足，同时也会导致过度投资，回归结论与前文保持一致。

（2）替换变量法。首先，借鉴熊虎和沈坤荣（2018）［34］的研究，本文用营业收入增长率替换Tobin′Q来衡量投资机会，重新刻画投资效率，结果见表10第（3）、第（4）列；其次，将数字普惠金融指数除以100重新回归，结果见表10第（5）、第（6）列。检验结果表明，数字普惠金融（Index）与投资不足（UI）、过度投资（OI）的回归系数均在统计意义上显著，回归结论稳健。

（3）添加遗漏变量。考虑模型（2）中存在一定的遗漏变量问题，本文还控制了公司内部治理和地区层面的特征变量，如两职兼任（Dual）、独立董事比例（Ind）、产权分离率（Seper）、一般预算支出（EXP）和地区经济发展水平（Gdp），结果见表10第（7）、第（8）列。检验结果表明，数字普惠金融对企业投资效率的影响具有非对称效应，回归结论依然稳健。

表10 其他稳健性检验

五、进一步分析

（一）数字普惠金融与投资效率的机制检验

由前文的分析可知，数字普惠金融主要通过拓宽企业融资渠道、降低融资成本和改善资金供求双方信息不对程度等路径影响企业的投资效率。为进一步研究数字普惠金融对投资效率的作用机制，本文借鉴温忠麟和叶宝娟（2014）的方法［35］，选取信息不对称（Asym）、融资约束（Fc）和代理问题（Adm）作为中介变量，构建如下模型进行路径检验：

1.信息不对称的中介效应检验

分析师作为公司与投资者的枢纽节点，利用其专业的技能和手段剖析和判断公司的综合能力，向投资者传达相关的经营与财务信息，以减少双方信息不对称问题、降低由所有权和决策权分离导致的代理成本，对企业投资决策具有一定的监督和信息治理作用［36］。为检验信息不对称对数字普惠金融与投资效率的作用机理，本文参照喻平和豆俊霞（2020）［37］的研究，将分析师关注度作为信息不对称的代理变量，分析师关注度越高，表明信息不对称程度越高。信息不对称的中介效应检验结果见表11所列，第（1）列数字普惠金融（Index）的估计系数在1%水平上显著为负，第（2）列信息不对称（Asym）的估计系数在1%水平上显著为负，表明数字普惠金融能够缓解企业与外部利益相关者的信息不对称；第（3）列数字普惠金融（Index）和信息不对称（Asym）的估计系数均在1%水平上显著，表明信息不对称在数字普惠金融与投资不足中存在部分中介效应，且部分中介效应占数字普惠金融总效应的12.90%。第（4）列数字普惠金融（Index）的估计系数在1%水平上显著为正，第（5）列信息不对称（Asym）的估计系数在1%水平上显著为负，且第（6）列数字普惠金融（Index）和信息不对称（Asym）的估计系数均在1%水平上显著，表明信息不对称在数字普惠金融与投资不足中存在部分中介效应，且部分中介效应占数字普惠金融总效应的10.38%。上述检验结果表明，数字普惠金融虽然缓解了信息不对称，解决了企业投资不足，但造成了企业过度投资的现象。

表11 信息不对称的中介效应检验结果

2.融资约束的中介效应检验

借鉴Hadlock和Pierce（2010）［38］的方法，本文采用SA指数作为融资约束（Fc）的代理变量，用以检验融资约束对数字普惠金融与投资效率的影响路径。SA指数的计算公式为：

其中：Size为企业期末总资产换算为百万元的自然对数；Age为企业成立年限的自然对数。

融资约束中介效应的检验结果见表12所列，第（2）列回归结果中数字普惠金融（Index）的估计系数显著为负，表明数字普惠金融能够缓解投资不足企业的融资约束；第（3）列回归结果中数字普惠金融（Index）和融资约束（Fc）的系数均显著为负，表明融资约束在数字普惠金融与投资不足中存在部分中介效应，且部分中介效应占数字普惠金融总效应的2.78%。第（5）列回归结果中数字普惠金融（Index）的估计系数显著为负，第（6）列回归结果中数字普惠金融（Index）和融资约束（Fc）的系数均显著，表明融资约束在数字普惠金融与过度投资中存在部分中介效应，且部分中介效应占数字普惠金融总效应的3.56%。上述检验结果表明，数字普惠金融的“普惠”特性解决了企业投资不足问题，但融资约束放松的同时又造成了企业投资过度。

表12 融资约束的中介效应检验结果

3.代理问题的中介效应检验

为进一步考察代理问题对数字普惠金融与投资效率传导机制的影响，本文参照罗琦等（2020）［39］的研究，采用管理费用率（Adm）作为第一类代理问题的替代变量进行中介效应检验，回归结果见表13所列。第（2）列管理费用率（Adm）的估计系数在1%水平上显著为正，第（3）列中管理费用率（Adm）系数不显著，且根据Bootstrap检验表明也不存在间接效应，表明管理层与股东之间的代理问题对数字普惠金融与投资不足不存在中介效应；第（6）列中数字普惠金融（Index）和管理费用率（Adm）系数均在1%水平上显著，表明管理层与股东之间的代理问题在数字普惠金融与过度投资之间充当部分中介作用，且部分中介效应占总效应的8.73%。上述检验结果表明，管理层与股东之间的代理问题是造成企业过度投资的重要原因。

表13 代理问题的中介效应检验结果

综合上述分析，数字普惠金融主要通过信息不对称、融资约束和代理问题这三条路径影响企业的投资效率。本文对上述中介变量进行了相关性分析与多重共线性检验，检验结果显示，VIF值均小于10，表明各变量之间不存在严重的多重共线性问题。此外，考虑中介因子可能是内生的，本文借鉴Dippel等（2020）［40］的研究，采用IVmediate模型、选取互联网普及率作为工具变量重新进行估计，回归结论依然稳健。

（二）数字普惠金融与投资效率的异质性分析

1.规模异质性

企业规模不同，预示着企业在环境、资源方面及企业的创新行为存在较大差异。大规模企业往往代表着更高的信息披露质量与更强的融资能力，而信息透明度较低的小规模企业则更容易面临融资约束困境。魏志华等（2014）［41］研究发现，大企业可以凭借自身优势和能力降低信息不对称、获得外部融资，而小企业则更依赖金融市场环境。与此同时，小规模企业由于缺少相应机构和组织规章制度、人才等，受到的融资约束更大，因此小规模企业对数字普惠金融的依赖度更高。为检验数字普惠金融与投资效率的规模异质性，本文按照企业规模的中位数进行分组检验，回归结果见表14所列。在投资不足组中，第（1）、第（2）列中数字普惠金融（Index）的回归系数均显著为负，但两者系数差异较小且不显著；在过度投资组中，第（3）列大规模企业数字普惠金融（Index）的回归系数不显著，第（4）列小规模企业数字普惠金融（Index）的回归系数为0.020 3，在5%水平上显著为正，表明数字普惠金融更易导致小规模企业过度投资。上述回归结果表明，数字普惠金融通过先进技术赋能，不仅能较好缓释信息不对称程度，识别具有良好发展前景的小规模企业，而且有助于提升其服务的靶向性，提高资金配置效率，但由于小规模企业自身缺乏健全的内部治理机制，从而导致过度投资。

表14 数字普惠金融与投资效率（按企业规模分组）

2.地区异质性

由于不同地区的经济发展水平、市场化进程和资源禀赋不同，使得不同地区企业对数字普惠金融的依赖程度也会有所差异。中西部地区经济发展较为落后，市场化进程相对较慢，企业与外部利益相关者之间的信息不对称程度较高，其对应的融资约束较高。因此，本文预测，与东部地区相比，中西部地区对数字普惠金融的依赖度更高。为检验数字普惠金融与投资效率的地区异质性，本文按上市公司注册地将样本分为东部地区和中西部地区进行分组检验，回归结果见表15所列。在投资不足组中，第（1）、第（2）列中数字普惠金融（Index）的回归系数均显著为负，且两组组间系数差异在5%水平上显著，表明与东部地区相比，数字普惠金融更能缓解中西部地区企业的投资不足问题；在过度投资组中，第（3）列数字普惠金融（Index）的回归系数为正但不显著，第（4）列数字普惠金融（Index）的回归系数为负但不显著。出现上述现象的原因主要是，中西部地区经济发展水平较低，缺乏足够的资源，因而数字普惠金融的高效、便捷特性有利于解决中西部地区企业的投资不足问题。

表15 数字普惠金融与投资效率（按地区分组）

六、研究结论与启示

金融发展对企业投资效率的影响是衡量金融服务实体经济功能的重要因素。已有文献从传统融资渠道研究了金融发展对企业投资行为的影响，但在数字经济时代，宏观金融市场发展与微观企业投资行为之间的联系是否会发生变化，尚未引起学者的足够关注。本文以沪深A股上市公司的年度数据为研究样本，实证考察数字普惠金融对上市公司投资效率的影响及其作用机制。研究发现：①数字普惠金融在缓解企业投资不足的同时也会加剧企业过度投资。②从过度投资来看，与国有企业相比，数字普惠金融更容易导致民营企业过度投资，而数字普惠金融在缓解投资不足方面无显著的所有制差异。③进一步机制分析表明，数字普惠金融主要是通过影响信息不对称、融资约束和代理问题来影响企业的投资行为。④分组检验显示，数字普惠金融对投资效率的影响具有规模异质性与地区差异性，更易导致小规模企业过度投资，而缓解投资不足的效果集中在中西部地区。

上述结论不仅有助于透彻理解数字普惠金融影响投资效率的传导机理，同时也为政策制定者提供了一定的经验参考。基于上述研究结论，本文的政策启示在于：①加强企业内部治理机制。企业应利用好数字普惠金融的“成本低、速度快、覆盖广”等特点提升资源的配置效率，但应注意管理层与股东之间的代理问题可能会加剧企业过度投资。因此，企业应完善内部监督机制，提升公司的资源配置效率。②提升民营企业投资效率。本文研究结论表明，数字普惠金融能够缓解企业投资不足，但也可能导致民营企业过度投资。因此，政策制定者应更加重视民营企业的管理与监督机制，加强民营企业的风险防控意识，提高民营企业投资效率。③强化政府对金融市场的引导与监督作用。本文研究发现数字金融对企业投资效率兼具积极与消极两种金融属性，因此，政府应对金融市场进行适当干预，发挥引导与监督作用，充分展现数字普惠金融的资源配置优势，否则就会出现过度投资等非效率投资行为。同时，应尽快落实现代化公司治理机制，促进外部监督机制和内部治理机制共同作用，提升市场的资源配置效率。