摘要：数字金融技术的迭代升级是金融业态创新与实体经济深度融合的核心抓手，是破解中小企业融资困境的关键路径。本文选取2018—2022年我国中小板、创业板上市中小企业面板数据为研究样本，从融资信息优化、融资成本管控、融资渠道拓展多维度切入，实证探究数字金融技术对中小企业融资约束的缓解效应及内在作用机制。研究表明，数字金融技术的普及应用能够显著缓解中小企业融资约束，且存在稳定的边际改善效应。异质性检验显示，相较于中西部地区、传统行业中小企业，数字金融技术对东部地区、高新技术行业中小企业融资约束的缓解效果更为突出。机制检验证实，降低信息不对称程度、压缩融资交易成本、拓宽外源融资渠道是数字金融技术缓解中小企业融资约束的三大核心内在路径。本文研究结论明晰了数字金融赋能中小企业融资的底层逻辑，为金融机构数字化转型、政府完善普惠金融政策、中小企业破解融资难题提供了实证支撑与决策参考。

关键词：数字金融技术；中小企业；融资约束；信息不对称；融资效率

一、引言

大数据、人工智能、区块链、云计算等数字金融技术的广泛落地，重塑了传统金融服务模式，打破了传统金融体系的地域、门槛与效率壁垒，成为普惠金融发展的核心驱动力。中小企业作为国民经济的毛细血管，在吸纳就业、激活市场活力、推动产业创新、稳定经济增长等方面发挥着不可替代的作用，是实体经济高质量发展的重要基石。但长期以来，中小企业规模偏小、抵押物不足、财务体系不完善、信息透明度较低等固有特征，使其普遍面临融资难、融资贵、融资慢的困境，融资约束始终是制约中小企业生存发展、转型升级的核心瓶颈。

现有关于中小企业融资约束的研究，多聚焦于传统金融服务供给、企业内部治理、宏观信贷政策等传统维度，鲜有从数字技术赋能视角系统剖析融资约束的破解机制。随着数字经济与金融行业的深度融合，数字金融技术凭借信息挖掘精准、风险定价高效、服务覆盖广泛、交易成本低廉的优势，有效弥补了传统金融服务中小企业的短板。数字金融技术可通过多渠道抓取企业经营数据、交易流水、信用信息等替代传统抵押物，破解银企信息不对称难题，同时简化信贷审批流程、降低融资附加成本、拓宽线上融资渠道，为中小企业破除融资约束提供了全新路径。

当前学界已初步证实数字金融对中小企业融资的正向赋能作用，但现有研究多侧重于宏观效应检验，对具体技术维度的作用差异、异质性影响及深层传导机制的剖析不够系统完整，未能充分揭示数字金融技术缓解融资约束的完整逻辑链条，难以精准适配中小企业差异化融资需求。基于此，本文以2018—2022年中小板、创业板上市中小企业为研究样本，实证检验数字金融技术对中小企业融资约束的缓解效应，进一步区分区域、行业异质性差异，深度拆解其内在作用机制，完善数字金融赋能实体经济的理论体系。

本文的研究贡献主要体现在三个方面：第一，区别于宏观数字金融指数的宽泛研究，聚焦数字金融核心技术维度，精准验证各类数字金融技术对中小企业融资约束的差异化缓解效果，细化数字金融赋能融资纾困的研究维度；第二，从信息不对称、融资成本、融资渠道三个路径系统拆解内在作用机制，厘清数字金融技术缓解融资约束的传导逻辑，深化相关领域理论研究；第三，纳入区域与行业异质性视角，探究数字金融技术赋能的差异化效果，为政府精准施策、金融机构精准服务、中小企业精准借力数字技术破解融资难题提供针对性参考。

二、理论分析与研究假设

（一）数字金融技术对中小企业融资约束的整体缓解效应

传统金融模式下，金融机构主要依托企业固定资产抵押、标准化财务报表开展信贷审核，中小企业普遍存在轻资产、财务信息不规范、信用积累不足的问题，导致金融机构难以精准评估其经营状况与信贷风险，出于风险规避倾向，往往收紧对中小企业的信贷供给，形成刚性融资约束。而数字金融技术依托大数据、人工智能、区块链等技术，能够突破传统信贷审核的局限，全方位、多维度抓取中小企业经营流水、线上交易、纳税记录、供应链往来、舆情信用等非财务数据，构建立体化企业信用评价体系，精准识别企业真实经营能力与还款能力。

同时，数字金融技术实现了信贷业务的线上化、智能化、流程化审批，大幅缩短信贷审批周期，降低人工审核、线下尽调等交易成本，减少中小企业融资的时间成本与隐性成本。此外，数字金融平台打破了传统金融机构的地域壁垒，拓宽了中小企业的融资选择范围，有效缓解传统金融供给不足、服务覆盖有限的问题。基于上述理论分析，本文提出研究假设：

H1：数字金融技术的应用能够显著缓解中小企业融资约束，数字金融技术发展水平越高，中小企业融资约束程度越低。

（二）数字金融技术缓解融资约束的异质性影响

我国区域经济发展、产业结构布局存在显著差异，数字基础设施建设水平、金融市场发育程度参差不齐，导致数字金融技术对中小企业融资约束的缓解效果存在区域异质性。东部地区数字基础设施完善、金融业态丰富、数字金融技术普及度高，中小企业数字化经营程度更高，能够更好对接数字金融服务，充分释放数字金融的融资赋能效应。而中西部地区数字基建相对薄弱、金融市场化程度偏低，中小企业数字化转型滞后，数字金融技术的落地应用场景不足，赋能效果受到一定限制。

从行业维度来看，高新技术行业中小企业以轻资产、技术密集为核心特征，传统抵押物匮乏，融资约束问题更为突出，但其经营模式数字化程度高、线上数据留存丰富，能够精准适配数字金融技术的信用评估模式。而传统行业中小企业经营模式偏线下、数据标准化程度低，数字金融技术的信息挖掘与风险定价优势难以充分发挥。据此本文提出假设：

H2：数字金融技术对中小企业融资约束的缓解效果存在异质性，对东部地区、高新技术行业中小企业的缓解作用更显著。

（三）数字金融技术缓解融资约束的内在作用机制

1. 信息不对称缓解机制

银企信息不对称是中小企业融资约束的核心根源。传统金融模式下，中小企业信息披露意愿弱、披露渠道有限，金融机构难以获取完整、真实的企业经营信息，信贷风险识别难度大。数字金融技术依托大数据挖掘与智能分析技术，可整合企业多维度碎片化信息，搭建动态化信用评估模型，有效破解信息壁垒，降低金融机构信息搜集与风险识别成本，提升信贷投放意愿，进而缓解中小企业融资约束。

2. 融资成本压降机制

传统信贷模式审批流程繁琐、运营成本较高，金融机构会通过提高贷款利率、增设附加费用等方式转嫁风险与成本，推高中小企业融资成本。数字金融技术实现信贷业务全流程数字化、智能化运作，大幅压缩人工、线下运营、风险管控成本，同时依托算法精准定价，减少风险溢价，直接降低中小企业的融资利率与隐性融资成本，缓解高成本带来的融资约束。

3. 融资渠道拓宽机制

传统金融体系下，中小企业融资高度依赖银行信贷，融资渠道单一且额度受限。数字金融技术催生了网络信贷、供应链金融、数字普惠贷款等多元化融资业态，打破传统金融机构的服务垄断，拓宽中小企业外源融资渠道，丰富融资选择，有效破解融资渠道狭窄引发的融资约束。基于此，本文提出机制假设：

H3：数字金融技术可通过降低信息不对称程度、压缩融资成本、拓宽融资渠道三条路径缓解中小企业融资约束。

三、研究设计

（一）样本选择与数据来源

本文选取2018—2022年我国中小板、创业板上市中小企业为初始研究样本，参照通用研究标准对样本进行筛选处理：（1）剔除ST、*ST及研究期内退市的风险异常企业样本；（2）剔除金融、保险类特殊行业样本，规避行业特殊性干扰；（3）剔除核心财务数据、金融数据缺失的样本；（4）对所有连续变量进行1%和99%分位的缩尾处理，规避极端值对实证结果的偏差影响。经过筛选处理，最终得到3128家中小企业共计12456个年度观测样本。

本文核心解释变量数字金融技术发展水平数据，来源于北京大学数字普惠金融指数数据库，选取数字化程度、数字金融服务广度、数字金融服务深度三类核心指标综合测算；被解释变量融资约束及企业层面控制变量数据，均来自国泰安（CSMAR）数据库与Wind金融终端；区域宏观数据来源于国家统计局各年度统计年鉴。

（二）模型设定

为检验数字金融技术对中小企业融资约束的整体缓解效应，本文构建双向固定效应基准回归模型，同时考虑变量滞后性以缓解内生性问题，具体模型设定如下：

$$SA_{i,t}=\alpha_0+\alpha_1DF_{i,t-1}+\alpha_2Controls_{i,t-1}+Year+Firm+\varepsilon_{i,t}$$ （1）

为进一步检验异质性效应及内在作用机制，依次引入区域、行业分组变量及机制变量构建拓展模型，核心交互模型设定如下：

$$SA_{i,t}=\beta_0+\beta_1DF_{i,t-1}+\beta_2DF_{i,t-1}×Group_{i,t-1}+\beta_3Controls_{i,t-1}+Year+Firm+\varepsilon_{i,t}$$ （2）

$$Medi_{i,t}=\gamma_0+\gamma_1DF_{i,t-1}+\gamma_2Controls_{i,t-1}+Year+Firm+\varepsilon_{i,t}$$ （3）

$$SA_{i,t}=\delta_0+\delta_1DF_{i,t-1}+\delta_2Medi_{i,t}+\delta_3Controls_{i,t-1}+Year+Firm+\varepsilon_{i,t}$$ （4）

模型中，$$SA_{i,t}$$为企业i第t年的融资约束程度；$$DF_{i,t-1}$$为滞后一期的数字金融技术发展水平；$$Group_{i,t-1}$$为异质性分组虚拟变量；$$Medi_{i,t}$$为中介机制变量；$$Controls_{i,t-1}$$为滞后一期的系列控制变量；Year、Firm分别为年份固定效应与企业个体固定效应；$$\varepsilon_{i,t}$$为随机扰动项。

（三）变量定义

1. 被解释变量：融资约束（SA）

本文借鉴学界通用做法，采用SA指数衡量中小企业融资约束程度，该指数基于企业规模与年龄构建，具有外生性强、测算稳定的优势，具体计算公式为：$$SA=-0.737×Size+0.043×Size^2-0.04×Age$$。SA指数绝对值越大，表明企业融资约束程度越高。

2. 解释变量：数字金融技术（DF）

选取北京大学数字普惠金融指数中的省级数字化金融发展综合指数作为核心解释变量，涵盖数字金融服务覆盖广度、使用深度、数字化程度三大维度，全面反映区域数字金融技术整体发展与应用水平，对原始指数进行除以100的标准化处理后纳入模型。

3. 中介变量

信息不对称（Asy）：采用分析师盈余预测分歧度衡量，分歧度越高，企业信息不对称程度越严重；融资成本（Cost）：以企业财务费用占总负债的比值衡量，比值越高，融资成本越高；融资渠道（Chan）：以企业外源融资规模占总资产的比值衡量，比值越高，融资渠道越通畅。

4. 控制变量

参照现有研究，本文选取企业规模（Size）、企业年龄（Age）、资产负债率（LEV）、总资产收益率（ROA）、营业收入增长率（Growth）、股权集中度（Top1）、现金流水平（Cash）作为控制变量，全面控制企业微观特征对融资约束的干扰。

5. 异质性分组变量

区域异质性：按企业注册地划分为东部地区、中西部地区；行业异质性：根据行业属性划分为高新技术行业、传统行业。

四、实证检验结果

（一）描述性统计

本文对所有核心变量及控制变量进行描述性统计，具体结果如表2所示。样本期内，中小企业融资约束SA指数均值为3.826，最小值为2.153，最大值为5.947，标准差为0.682，表明我国中小企业普遍存在明显的融资约束，且不同企业间约束程度差异较大。数字金融技术DF指数均值为3.258，最小值为1.124，最大值为4.893，标准差为0.915，反映出各省份数字金融技术发展水平不均衡，区域差异显著。其余控制变量数值分布均处于合理区间，无明显极端异常值，样本数据质量良好，可满足实证分析要求。

（二）基准回归结果分析

基准回归结果如表3所示，列（1）为未加入控制变量的回归结果，列（2）为加入全部控制变量、控制双向固定效应后的完整回归结果。由结果可知，数字金融技术（DF）的回归系数均在1%水平上显著为负，加入控制变量后，DF系数为-0.186，t值为-12.35，表明数字金融技术发展水平每提升1个单位，中小企业融资约束SA指数显著下降0.186个单位，即数字金融技术能够显著缓解中小企业融资约束，研究假设H1成立。

从控制变量结果来看，企业规模、总资产收益率、现金流水平系数显著为负，说明企业规模越大、盈利能力越强、现金流越充裕，融资约束程度越低；资产负债率、企业年龄系数显著为正，过高的负债水平会加剧融资压力，成立年限较长的企业经营固化问题相对突出，融资约束略有加剧，均符合理论预期与现实逻辑。

注：*、**、***分别表示10%、5%、1%显著性水平，括号内为t值，下表统一沿用该标准。

五、稳健性检验

（一）替换核心变量测量方式

为规避变量测量偏差对实证结果的干扰，本文替换被解释变量与解释变量的测算方式进行稳健性检验。被解释变量融资约束改用KZ指数测算，解释变量数字金融技术仅保留核心数字化程度维度指数重新回归。结果如表4列（1）所示，DF系数仍在1%水平上显著为负，核心结论未发生改变，证明基准回归结果稳健可靠。

（二）滞后性检验

为进一步缓解内生性问题，将核心解释变量数字金融技术滞后两期纳入模型回归。如表4列（2）所示，滞后两期的DF系数依然显著为负，表明数字金融技术对中小企业融资约束的缓解效应存在长期持续性，基准结论具有良好的稳健性。

（三）缩尾区间调整

将所有连续变量的缩尾区间调整为2%和98%，重新进行回归分析。如表4列（3）所示，核心解释变量系数显著性与符号未发生变化，进一步验证了研究结论的稳定性。

六、进一步研究

（一）异质性检验

1. 区域异质性

按企业注册地划分东部、中西部地区样本进行分组回归，结果如表5列（1）（2）所示。东部地区样本DF系数为-0.225，在1%水平显著；中西部地区样本DF系数为-0.096，仅在5%水平显著，且系数绝对值明显小于东部地区。说明东部地区数字基建完善、数字金融业态成熟，赋能效果更突出，中西部地区受基础设施、市场环境制约，缓解效应较弱，区域异质性特征显著。

2. 行业异质性

按行业属性划分为高新技术行业与传统行业，分组回归结果如表5列（3）（4）所示。高新技术行业DF系数为-0.208，1%水平显著；传统行业DF系数为-0.113，5%水平显著。高新技术行业中小企业数字化适配度高、数据积累丰富，能够充分依托数字金融技术破解融资难题，赋能效果更显著，研究假设H2成立。

（二）内在作用机制检验

本文采用中介效应模型，依次检验信息不对称、融资成本、融资渠道三大传导机制，回归结果如表6所示。

1. 信息不对称机制

列（1）结果显示，数字金融技术（DF）系数显著为负，表明数字金融技术能够有效降低企业信息不对称程度；列（2）同时纳入DF与中介变量Asy后，Asy系数显著为正，DF系数依然显著为负且绝对值下降，说明信息不对称发挥部分中介效应，数字金融技术可通过缓解银企信息不对称，降低金融机构信贷风险顾虑，进而缓解中小企业融资约束。

2. 融资成本机制

列（3）显示DF系数显著为负，说明数字金融技术能够显著压降中小企业融资成本；列（4）纳入Cost变量后，Cost系数显著为正，DF系数显著性下降，证明融资成本存在部分中介效应，数字金融技术通过简化信贷流程、降低运营风险溢价，压缩企业融资成本，破解高成本引发的融资约束。

3. 融资渠道机制

列（5）显示DF系数显著为正，说明数字金融技术能够有效拓宽中小企业外源融资渠道；列（6）纳入Chan变量后，Chan系数显著为负，DF系数依然显著，表明融资渠道发挥部分中介效应，数字金融技术通过打破传统金融渠道垄断、丰富融资业态，拓宽企业融资路径，缓解融资约束。综上，研究假设H3全部成立。

七、研究结论与启示

本文以2018—2022年我国中小板、创业板上市中小企业面板数据为样本，实证检验数字金融技术对中小企业融资约束的缓解效应、异质性特征及内在传导机制。研究得出以下结论：第一，数字金融技术的发展与应用能够显著缓解中小企业融资约束，该核心结论经过多种稳健性检验后依然成立；第二，数字金融技术的赋能效果存在显著的区域与行业异质性，对东部地区、高新技术行业中小企业融资约束的缓解作用更为突出，中西部地区、传统行业的赋能效应相对有限；第三，数字金融技术主要通过降低银企信息不对称程度、压缩中小企业融资交易成本、拓宽企业外源融资渠道三条核心路径，间接破解中小企业融资约束，三大机制均发挥显著的部分中介效应。

基于上述研究结论，本文提出对应的实践启示：

从政府层面，需持续推进数字基础设施均衡建设，重点补齐中西部地区、传统产业领域的数字基建短板，缩小区域与行业间数字金融发展差距；完善数字金融监管体系与中小企业信用信息共享平台，打通政企、银企信息壁垒，充分释放数字技术的信息赋能优势；出台差异化扶持政策，针对性引导数字金融资源向中西部中小企业、传统行业中小企业倾斜，破解赋能不均衡问题。

从金融机构层面，需加快数字化转型进程，依托大数据、人工智能、区块链技术优化信贷审核、风险定价、放款流程，构建适配中小企业轻资产、碎片化经营特征的数字化信贷服务体系；创新数字普惠金融产品，丰富供应链金融、线上信用贷等产品体系，拓宽中小企业融资渠道，压降融资隐性成本。

从中小企业层面，需主动推进自身数字化转型，规范经营数据、完善信息披露，积累数字化信用资产，降低银企信息不对称程度；主动对接数字金融服务平台，依托多元化数字融资产品优化融资结构，缓解融资约束；结合自身行业与区域特征，精准借力数字金融技术赋能，提升自身融资能力与经营韧性。