王金涛，岳 华

(华东师范大学经济与管理学院，上海 200062)

2022年中央经济工作会议和2023年《政府工作报告》均强调有效防范化解重大经济金融风险。聚焦实体经济领域，企业杠杆的结构性问题会加剧“债务—通缩”的恶性循环，是中国经济转型过程中亟需解决的重要问题。稳慎对待企业杠杆分化问题，以结构性去杠杆的思路来脱离“资产荒”与“资金荒”并存的困境，有助于缓解因金融资源错配而引致整体债务高企与杠杆结构扭曲的现象，进而为防范化解重大经济金融风险，实现经济高质量发展提供鲜明证据。

通过大数据、云计算、人工智能等技术的赋能，数字金融为传统金融发展模式所面临的困境提供了“纠错配”与“补短板”的可能性。相较于传统金融，数字金融具有高覆盖、低成本、方便快捷的优势，能够为排除在正规金融服务之外的企业拓宽融资渠道，缓解因融资约束而产生的杠杆扭曲现象。同时，数字金融能够解决因信息不对称而产生的高风险溢价和高运营成本的问题[1]。但数字金融本质上仍具有风险的顺周期性和负外部性，尤其在技术与网络等因素的作用下，金融风险的爆发率与冲击性会大幅增加，甚至产生跨部门、行业、区域的交叉传染[2]。更重要的是，数字金融具有数字化、智能化、动态化的特性，现行金融监管框架难以有效检测此类创新活动，如果监管稍有错位和疏漏，金融风险敞口就会扩大。鉴于此，细致梳理数字金融影响企业结构性去杠杆的内嵌理论逻辑，系统评估数字金融纾解企业结构性去杠杆的功效，对于深化金融供给侧结构性改革，实现经济高质量发展具有重要意义。

本文边际贡献主要在于：(1)在企业属性与行业特征的情境下，综合考量企业杠杆的结构性差异，将数字金融与企业结构性去杠杆置于统一研究框架内，在理论分析基础上嵌入中介效应模型，厘清数字金融对企业结构性去杠杆的影响机制。(2)为数字金融纠正“属性错配”“领域错配”“经营错配”提供了证据。同时，嵌入金融监管元素，探讨在不同金融监管强度下数字金融影响企业结构性去杠杆的异质性特征。通过多维度刻画数字金融对企业结构性去杠杆的影响，有助于增强金融服务实体经济的能力，从而为妥善处理好“稳增长”与“防风险”的平衡提供参考。

一、文献综述

本文从微观和宏观两个层面梳理数字金融相关研究。微观层面，学者们主要从家庭决策与企业行为的视角探究数字金融的经济效应。在家庭方面，数字金融在促进居民家庭消费[3]、提高金融资产组合的有效性[4]、提高非正规就业者的收入[5]以及促进共同富裕[6]等方面发挥作用。在企业方面，学者们从数字金融促进企业创新[2]、提高中小企业融资可得性[7]、缓解企业投融资期限错配[8]、抑制企业委托贷款[9]等方面展开研究。宏观层面，数字金融有助于提高地方政府债务的融资效率[10]、提升劳动收入份额[11]，但会减弱财政支出效果[12]、削弱信贷渠道[13]、影响区域金融风险[14]。综上，数字金融在家庭决策和企业行为方面发挥着积极作用，有助于优化资源配置与促进经济包容性增长，但也因多重风险因素的叠加作用而对经济运行的诸多方面存在不确定性影响。

关于去杠杆的研究，本文从三个视角对相关文献进行梳理，以契合研究主题。一是杠杆率的测度。关于杠杆率的测度大致可以分为微观杠杆率与宏观杠杆率两个方面，微观杠杆率一般使用资产负债率来衡量，宏观杠杆率则通常以债务占GDP的比重来测度。两种方法均存在不妥之处，以资产负债率作为微观杠杆率的度量方式未考虑企业杠杆的适度性，以债务占GDP比重衡量宏观杠杆率则存在存量指标与流量指标混用、偿债能力难以确定等问题[15]。二是去杠杆的方式。学者们从金融业开放[16]、银行金融科技发展水平[17]、宏观审慎政策[18]等方面对去杠杆展开研究。三是去杠杆的影响。现有研究从实体企业生产率[19]、企业金融资产配置[20]以及经济高质量发展[21]等角度展开，结果表明去杠杆对经济运行存在异质性影响，因此应以结构性去杠杆为基本思路，分类施策，有序实施去杠杆策略。

综上可知，学者们对数字金融和去杠杆展开了丰富且详实的研究，但现有研究仍存在可拓展的空间。其一，现有文献在测度去杠杆时，多以资产负债率衡量企业杠杆水平，却鲜有学者考虑企业杠杆的适度性，由此得出的结论可能有失偏颇。倘若考虑到企业属性与行业特征所引致的杠杆率差异，或许能够得到更具新颖性与针对性的研究结论。其二，整体杠杆率高企、杠杆结构扭曲与国内金融体系息息相关，在深化金融体系改革的背景下，数字金融作为一种新型金融业态，能否弥补传统金融体系的短板并有效规避风险，进而实现结构性去杠杆的目标，现有研究对此关注不多。鉴于此，本文在衡量企业杠杆差异与过度负债的基础上，聚焦数字金融与企业结构性去杠杆这一核心问题，从理论逻辑和实证分析出发，对机制检验与异质性特征展开全面探讨，以期为数字金融发展和企业结构性去杠杆的政策制定提供有理有力之参考。

二、研究假设

在国内金融制度安排下，银行在金融体系中占据主导地位。基于信息不对称理论可知，银行更倾向于将资金配置到抵押资产优质、违约风险低的企业，这导致部分企业因信贷歧视而存在“预算硬约束”。在套利动机的驱使下，具有融资优势的企业凭借获取的低成本资金开展影子银行业务[22]，而存在融资劣势的“长尾群体”则依赖多层嵌套的融资业务满足资金需求。基于此，融资优势的企业容易过度负债，融资劣势的企业则需要承担过高的融资成本。更重要的是，随着金融抑制与信贷市场分割程度不断加深，信贷资源配置的“马太效应”愈发明显，这会进一步加剧企业债务高企与杠杆结构性扭曲的境地。

数字金融为解决企业杠杆难题带来了全新契机。首先，基于套利理论可知，凭借低成本的融资优势，非金融企业能够对信贷资源进行二次配置而获利。数字金融的发展提高了中小企业金融服务的渗透度和普及性[23]，降低了企业对影子银行融资渠道的需求，这有利于抑制非金融企业出于“市场套利动机”而开展影子银行业务，降低自身过度负债的可能性。其次，可贷资金理论表明，利率由可贷资金的供求关系决定，当存在融资约束时，企业依赖非正规、高成本的融资渠道满足融资需求。数字金融的发展能够为“长尾群体”提供多元化的融资渠道，增加可贷资金供给，有利于降低企业融资成本和对高成本资金需求的意愿。再次，权衡理论表明，企业进行融资决策时，如果融资成本低于收益，企业倾向于提高负债以优化资本结构，直到融资成本与融资收益相等时达到最优资本结构。结合上述分析可知，随着数字金融的发展，融资优势企业会降低负债，融资劣势企业则因获得低成本的金融服务而存在加杠杆的空间，这有利于企业优化资本结构，实现结构性去杠杆的目的。综上，结合套利理论、可贷资金理论以及权衡理论可知，数字金融有助于信贷资源精准配置到重点领域和关键环节，从而有助于优化信贷资源配置，有效缓解企业杠杆分化现象。有鉴于此，本文提出假设H1：数字金融有助于企业结构性去杠杆。

经典的MM理论认为，完美市场中没有交易费用与税收，内部资金和外部资金可以相互替代。然而，受到信息不对称和委托代理等因素的影响，企业过度依赖内部资金，从而产生融资约束问题[24]，这会增加融资成本，引致杠杆扭曲。凭借大数据、云计算、人工智能等技术的赋能，数字金融有助于降低信息不对称程度，缓解委托代理现象。首先，信息不对称理论包括逆向选择和道德风险两个核心问题，尤其是逆向选择问题，在信贷市场上，积极借款并愿意付出高成本的借款人通常是不能按时还款者。银行更注重抵押物的价值与变现能力，因此部分发展前景好的企业也会因缺乏抵押物而无法获得信贷资金。数字金融能够对非结构化、非标准化的海量信息进行归集、分类和解析，实现企业信用的透明化和信息化，从而缓解信息不对称。其次，通过委托代理理论可知，委托人与代理人之间存在的利益冲突会增加代理成本。自由现金流假说能够对此予以合理解释，为改善个人福利，管理层倾向于提高在职消费以及选择扩大企业规模的项目，这会过多占用自由现金流，引致企业过度负债，进而导致融资约束[25]。数字金融能够降低信息成本，增强金融机构对企业的监督能力，缓解委托代理现象，从而降低企业融资约束。综上，结合MM理论、信息不对称理论和委托代理理论，本文提出假设H2：数字金融通过缓解融资约束促进企业结构性去杠杆。

金融摩擦理论表明，金融市场是存在缺陷的，交易成本、信息不对称以及市场的不完全竞争等因素均会导致市场摩擦，提升融资成本。进一步，通过成本与收益理论可知，融资成本会形成对企业投资收益的“挤占效应”。当融资成本降低时，企业的盈余资金随之增加，企业会有更多的资金用于债务偿还，从而降低自身杠杆水平。数字金融的发展能够从多个维度减少金融摩擦，降低融资成本，实现去杠杆的目的。从交易成本看，数字金融影响金融机构获客、运营以及风控等业务全流程，以更为高效的方式降低交易成本[26]。同时，数字金融能够为排除在正规金融体系之外的企业提供发票融资、供应链融资、贸易融资等融资模式，使企业获得低成本、便捷化的金融服务。从信息不对称的视角看，数字金融在信息整合方面存在天然优势，通过构建可靠的征信体系，并以近乎零成本的方式实时挖掘企业信用数据，有助于减少信用评估支出，降低企业融资费用。随着征信体系的完善，金融机构可以向企业提供多元化的信贷融资服务，企业也可以降低因信息缺失风险而需要承担的贷款成本。从竞争视角看，数字金融的发展离不开金融科技企业的参与，这会对传统金融机构诱发鲶鱼效应，倒逼金融机构削弱信贷歧视，从而为“长尾群体”提供高质量、低成本的金融服务。综上，结合金融摩擦理论和成本与收益理论可知，数字金融能够从降低交易成本、缓解信息不对称、增强竞争三个方面减少金融摩擦，降低融资成本，推动企业去杠杆。为此，本文提出假设H3：数字金融通过降低融资成本促进企业结构性去杠杆。

信贷配给理论表明，信贷资金难以满足社会中最优项目的融资需求，部分低效益的项目反而能够获得资金配置。现阶段，我国融资体系亦存在信贷配给现象，银行在放贷过程中存在“选择性偏好”，国有企业凭借自身优势获取成本较低的贷款，“长尾群体”只能依靠“短贷长投”或非正规融资渠道维持正常经营活动。在此情况下，有限的金融资源被优先分配到特定的领域与行业，实体经济中的重点领域与薄弱环节可能并未得到资金的有效配置，导致企业杠杆的结构性扭曲。数字金融发展能够从多方面缓解信贷配给，提高资本配置效率，促进企业结构性去杠杆。从投资期限看，数字金融通过降低信息不对称程度改善企业信息披露质量，这有利于缓解企业“短贷长投”，提高资本配置效率。从投资区域看，数字金融网络化模式突破了传统的物理距离，拓展了金融服务界限，从而提高资源跨区域配置效率。从投资领域看，传统融资模式下金融机构更青睐具有固定资产、流动资产等实物资产的企业。数字金融通过处理海量数据，能够甄别具备创新能力且融资需求未满足的企业，并实时追踪企业运行状况[27]，从而提供金融服务满足企业融资需求。综上，信贷配给理论表明，数字金融有助于降低信贷资源错配，提高资本配置效率，达到企业结构性去杠杆目的。为此，本文提出假设H4：数字金融通过提高资本配置效率促进企业结构性去杠杆。

三、研究设计

(一)样本选择与数据来源

本文以2011至2018年A股上市企业为研究对象，并对原始数据进行如下处理：剔除样本中的金融类、房地产类上市企业；剔除样本期间挂牌ST、退市、IPO当年以及数据缺失的企业；对连续变量进行上下1%的缩尾处理。最终得到12487个有效观测样本。企业财务数据来源于国泰安数据库，数字金融数据来自北京大学数字金融研究中心。

(二)变量设定(6) 受篇幅限制，变量描述性统计结果未报告，作者备索。

1.被解释变量。关于杠杆水平的测度，以总负债占总资产的比重衡量企业杠杆率是现阶段的主流方式，但该指标可能会忽略企业特征与行业属性。鉴于此，参考相关研究[28]，本文以过度负债率(leve)衡量企业杠杆情况，以实际负债率减目标负债率衡量过度负债率。企业过度负债率的测度方式综合考虑了企业特征、行业和宏观因素，能够刻画企业真实负债率与目标负债率的偏离程度。过度负债率为正，表明企业的实际负债率高于目标负债率；过度负债率为负，意味着企业的实际负债水平相较于目标负债率仍存在负债空间。因此，以过度负债率来衡量企业的杠杆水平，有助于反映企业结构性去杠杆的情况，具有一定的可行性与合理性。

借鉴Denis和Mckeon(2012)的研究[29]，k行业中i企业t年目标负债率的回归模型设定如下：

LEVBi，t=α0+α1Soei，t-1+α2Roai，t-1+α3Ind_Levbk，t-1+α4Growthi，t-1+α5Fatai，t-1

+α6Sizei，t-1+α7Sharei，t-1

(1)

模型(1)的控制变量包括国有性质(Soe)、企业盈利能力(Roa)、行业负债率的中位数(Ind_Levb)、总资产增长率(Growth)、固定资产占比(Fata)、企业规模(Size)以及第一大股东持股比例(Share)。企业实际负债率减目标负债率(LEVB)即为过度负债率(leve)。

2.核心解释变量：数字金融(lnaa)。北京大学数字普惠金融指数覆盖中国省市县三级行政区，从覆盖广度、使用深度以及数字化程度三个维度刻画中国数字金融发展态势，能较为客观地反映数字金融发展脉络[30]。本文选取省级层面的数据作为数字金融的代理变量，并进行对数化处理。

3.中介变量。在融资约束(kzzs)方面，本文采用KZ指数衡量企业融资约束程度[31]。KZ指数越小，表明企业融资约束程度越低；反之则反。在财务费用率(cwfy)方面，采用财务费用占营业收入的比重衡量企业融资成本的强度。该指标数值越大，表明企业获得资金所需支付的费用越高；反之则反。在资本配置效率(tzxl)方面，以企业期望投资模型作为资本配置效率的代理变量[32]。首先计算出企业的期望投资水平，然后根据模型的回归残差衡量企业的非效率投资水平。如果回归残差大于零，意味着企业投资过度；如果回归残差小于零，则表明企业投资不足。本文在分析中以回归残差的绝对值衡量企业投资效率，数值越小，企业投资效率越理想，表明资本配置效率越高。

4.控制变量。参考相关研究[33][34][35]，本文纳入企业层面的控制变量集，具体控制变量及其定义见表1。

表1 控制变量

(三)模型设定

为检验数字金融对企业结构性去杠杆的影响，设定以下回归模型：

levei，t=β0+β1lnaaj，t-1+β2CVsi，t+σj+ωt+θk+εi，t

(2)

其中，i、t、j、k分别表示企业、年份、省份、行业；被解释变量为过度负债率(levei，t)，衡量企业结构性去杠杆；核心解释变量为滞后一期数字金融(lnaaj，t-1)；CVsi，t为控制变量组；εi，t随机扰动项。本文还控制了省份(σj)、年份(ωt)以及行业(θk)层面的固定效应，使用稳健标准误进行回归分析。

四、实证结果分析

(一)基准回归分析

表2汇报了数字金融对企业结构性去杠杆的回归结果。第(1)列数字金融的系数在1%的水平上显著为负。第(2)至(5)列将相关控制变量集纳入其中，并逐步考虑省份、年份、行业的固定效应，结果显示，数字金融均有助于促进企业结构性去杠杆，假设1得证。第一，与传统金融相比，凭借信息处理方面的优势，数字金融能够精准研判企业融资需求与发展潜能，实现资源配置的“去伪存真”，突破属性、行业、区域间的融资藩篱，将资金配置到真正需要的企业，有助于纠正资源配置偏差与企业杠杆扭曲。第二，数字金融通过重塑传统金融生态，改善传统金融资源低效配置的情况，激活社会闲置资金以缓解资金供给不足的困境，实现对金融资源的“存量优化”与“增量扩充”，并通过多种金融服务场景促进新型产融互动，实现经济的包容性增长。因此，数字金融的发展有助于减少企业的过度负债，达到结构性去杠杆的目的。

表2 数字金融对企业结构性去杠杆的影响

在控制变量方面，表2第(5)列资产回报率(roaa)的系数显著为负，表明单位资产的税后净利润越高，企业主动负债的可能性越低，因此资产回报率与过度负债呈现负相关关系。非债务税盾(fzws)的系数也显著为负，原因在于非债务税盾并不会产生到期偿付的风险，因此拥有大量非债务税盾的企业要比没有非债务税盾的企业更少利用债务。资本密集度(zbmj)的系数显著为负，意味着单位收入占有的资产越高，产出效率越低，企业过度负债的可能性越低。审计意见(keep)的系数显著为负，表明审计师出具标准无保留意见有助于企业结构性去杠杆。有形资产占比(yxzb)和企业资产规模(lnzc)的系数均显著为正，其内在逻辑是，我国以间接融资为主，作为重要抵押品的有形资产和总资产价值越大，企业越容易从银行获得资金，因而偏离目标负债水平的可能性越高。税率(sysl)、企业年龄(agee)、两职合一(jrqk)的系数亦显著为正，表明这些控制变量在一定程度上不利于企业结构性去杠杆。经营性现金流(jyzb)的系数不显著，表明其对过度负债不存在显著影响。在后文实证分析中，控制变量的回归系数、显著性与基准回归结果基本一致，故不再赘述。

(二)内生性处理与稳健性检验(7)受篇幅限制，具体结果未列示，作者备索。

1.内生性处理。对于可能存在的遗漏变量等内生性问题，本文采用工具变量法进行估计。参考傅秋子和黄益平(2018)的研究[36]，选取企业所在地级市到杭州的空间距离作为数字金融的工具变量。同时，考虑到以距离作为工具变量不随时间变化，可能使第二阶段的估计失效[4]，故进一步将距离与年份进行交乘，构造出随地区和时间变化的工具变量，保证工具变量的有效性。估计结果表明，数字金融依然显著促进企业结构性去杠杆。同时，基于工具变量法的估计结果显示，本文的工具变量是合理且有效的。

2.稳健性检验。(1)替换回归模型。本文使用双重聚类分析方法进行稳健性分析。(2)替换核心解释变量。在基准回归模型中，本文的核心解释变量为省级层面的数字金融发展指数，本文进一步将核心解释变量替换为城市层面的数字金融发展指数，探讨其对企业结构性去杠杆的影响。(3)剔除直辖市样本。考虑到直辖市的数字金融发展程度与企业的负债结构可能和其他省份存在明显差异，本文剔除直辖市样本重新估计。(4)剔除2015年的数据。2015年是一个典型的金融事件冲击，此类事件难以通过特定变量进行测度，为尽可能排除干扰，本文剔除了2015年的样本。上述检验结果显示，数字金融依然能够显著促进企业结构性去杠杆，表明本文基准结论稳健。

五、机制检验

为进一步探究数字金融影响企业结构性去杠杆的具体路径，本文设置如下递归方程进行识别检验。选取企业融资约束(kzzs)、财务费用率(cwfy)、资本配置效率(tzxl)作为中介变量(Mediator)，其余变量的设定同前文所述。

levei，t=β0+β1lnaaj，t-1+β2CVsi，t+σj+ωt+θk+εi，t

(3)

Mediatori，t=γ0+γ1lnaaj，t-1+γ2CVsi，t+σj+ωt+θk+τi，t

(4)

levei，t=λ0+λ1Mediatori，t+λ2lnaaj，t-1+λ3CVsi，t+σj+ωt+θk+ξi，t

(5)

表3第(1)列数字金融的系数显著为负，意味着数字金融能够通过缓解信息不对称提高资金投放的“靶向性”，实现资金的精准供给，同时通过盘活社会资金拓宽资金来源，降低信贷市场准入门槛，缓解企业融资约束。第(2)列融资约束的系数显著为正，表明企业融资约束的缓解有助于企业结构性去杠杆。原因在于，数字金融的融资约束缓解效应显著提升了金融服务实体经济的能力，有助于抑制部分企业凭借融资优势开展套利行为，推动企业杠杆的结构性调整，因而能够优化实体经济的债务结构，缓解杠杆扭曲现象。综上，数字金融能够通过缓解融资约束促进企业结构性去杠杆，假设2得证。

表3 机制检验

表3第(3)至(4)列聚焦于财务费用率这一传导机制。第(3)列数字金融的系数显著为负，表明数字金融有助于降低企业财务费用，缓解企业“融资贵”难题。第(4)列财务费用率的系数显著为正，表明降低企业财务费用能够促进企业结构性去杠杆。综上，数字金融能够通过降低企业财务费用促进企业结构性去杠杆。探究背后的逻辑，在传统的融资模式中，融资歧视现象普遍存在，尤其是“长尾用户”只能借助于融资费用高的非正规融资渠道。凭借技术赋能，数字金融能够实现对企业信息的多维数据挖掘与深度分析，通过缓解银企间的信息不对称控制信贷风险，并进一步提供高效、便捷、灵活的信贷服务，降低融资门槛，减少财务费用，以达到“降成本”的功效。尤其是对于“价值洼地”的企业而言，降低财务费用率有助于缓解企业债务负担，释放发展潜能，提高风险承担能力，实现资本结构的优化。因此，假设3得证。

表3第(5)列数字金融的系数显著为负，表明数字金融能够提高资本配置效率。第(6)列资本配置效率的系数显著为正，表明资本配置效率的提升有助于企业结构性去杠杆。原因在于，现阶段，国内金融资源错配的现象普遍存在，导致不同部门、行业、区域或期限的杠杆呈现结构性扭曲。数字金融通过多种渠道实时、动态、智能化地掌握企业的经营与财务状况，提升企业信息透明度，有效甄别高效率、高潜力的企业，从而缓解金融资源错配。基于此，金融机构能够依托数字化技术展开智能决策，从而精准对接有资金需求的企业。对于企业而言，信息透明化促进了信用信息化，有助于企业摆脱资产抵押的融资模式，降低信贷歧视。同时，企业信息透明化能够内在约束管理层的行为，降低代理成本，减少投机行为，促进资源合理配置。因此，数字金融的发展能够通过提高资本配置效率促进企业结构性去杠杆，假设4得证。

六、异质性分析

传统金融体系在服务实体经济的过程中引致企业杠杆的结构性差异，体现在“属性错配”“领域错配”“监管差异”“经营错配”等方面。本文尝试从多个角度展开分析，以期客观评估数字金融能否实现对传统金融体系的“纠错配”与“补短板”。

在“属性错配”方面，本文将企业分为国有企业和非国有企业两组。表4第(1)至(2)列结果显示，国有企业组数字金融的系数为负但不显著，非国有企业组数字金融的系数显著为负，意味着数字金融有助于促进非国有企业去杠杆。梳理背后逻辑，在传统金融体系中，国有企业凭借特有的经济地位易于获得足够的金融资源，非国有企业往往面临金融排斥，只能借助融资费用较高的非正规融资渠道。数字金融能够缓解企业融资约束，降低财务费用，国有企业并不“为之动容”，但对于非国有企业，特别是对于处于“长尾群体”的企业而言，融资困境的改善是“雪中送炭”，因此数字金融对非国有企业的影响更明显。

表4 异质性分析

在“领域错配”方面，本文将企业划分为制造业与非制造业两类。表4第(3)至(4)列显示，制造业企业数字金融的系数为负但不显著，非制造业企业数字金融的系数显著为负，表明数字金融对非制造业的去杠杆效果更明显。原因可能在于，在传统融资模式下，制造业企业有抵押资产而更容易获得银行等金融机构的资金支持。非制造业企业尤其是部分新兴产业和服务业，由于缺少可抵押的资产，加之面临较多的不确定性因素，往往会遭遇融资约束困境而产生畸形负债。数字金融通过降低信息不对称，提供多样化的融资模式，拓宽非制造业企业的资金来源，有助于解决行业间杠杆的结构性扭曲问题，也为促进实体经济的提质增效提供保障。

在“监管差异”方面，数字金融为缓解传统金融领域中的痛点与难点带来了机遇，也对传统金融监管模式构成前所未有的挑战。2015年，中国人民银行颁布《关于促进互联网金融健康发展的指导意见》，此后我国对数字金融的监管逐渐加强。强化数字金融监管有助于提升金融体系的运行效率，增强金融服务实体经济的能力。本文从强化数字金融监管的视角，探讨数字金融促进企业结构性去杠杆的效能是否有所改变。以2015年为界，表4第(5)列为2015年及后续年份的估计结果，数字金融的系数显著为负，第(6)列为2015年之前年份的估计结果，数字金融的系数依旧为负，但不显著。可能的解释在于，在金融监管较弱的时期存在金融乱象，如部分企业利用资金、渠道优势，在不同市场和行业辗转腾挪，加杠杆套利，扰乱市场秩序，导致企业部门杠杆高企与结构性扭曲。随着我国强化金融监管，套利行为减少，推动金融资源的精准配置，从而缓解企业杠杆结构性扭曲现象。

在“经营错配”方面，在传统融资模式下，部分企业因融资约束往往以经营负债代替金融负债，但这会推动金融风险转化为经营风险。当实体经济承压时，部分经营不善的企业会因经营负债而牵连同一产业链的企业，从而制约产业发展。数字金融通过多样化渠道满足企业融资需求，金融风险外溢可能会随之缓解。鉴于此，本文尝试探讨数字金融发展对企业经营负债的影响。由表4第(7)列可知，数字金融有助于降低企业经营负债。原因在于，数字金融通过缓解融资约束、降低融资成本、提高资本配置效率等途径降低企业的金融负债，进而降低企业金融负债向经营负债转移的可能性，达到间接降低企业经营负债的目的。更重要的是，数字金融亦能够为企业提供信用模式、货押模式等多种供应链融资模式，提高企业的融资便利性，从而直接降低企业的经营负债。

七、研究结论与政策启示

针对企业杠杆高企与结构性扭曲的现状，本文以沪深A股上市企业为研究对象，系统探讨了数字金融的结构性去杠杆效应。研究发现，数字金融能够促进企业结构性去杠杆。机制检验发现，数字金融可以通过缓解企业融资约束、降低企业融资成本、提高资本配置效率的途径助力企业结构性去杠杆。异质性分析表明：基于所有制视角，数字金融能够显著促进非国有企业结构性去杠杆；基于行业视角，数字金融能够显著促进非制造业企业结构性去杠杆；基于监管强度视角，有力的金融监管举措能够促进数字金融发挥结构性去杠杆的成效。另外，数字金融亦有助于降低企业经营负债水平。本文有如下政策启示：第一，高质量推进金融数字化转型，提升金融服务实体经济质效，精准对接非国有企业、非制造业以及经营负债等重点领域与薄弱环节，助力经济高质量发展。第二，企业应积极拥抱数字化经营新趋势，重塑业务流程，提升管控效能，实现数字增值，亦可以将资产数字化，降低信息不对称程度，便于金融机构的风险定价与风险管控，从而纾解自身融资困境。第三，政府应有序推进以数字化为核心的“新基建”，同时做好金融监管顶层设计，强化央地金融监管协同，加强风险源头管控，防止风险交叉传染。