摘要：数字金融作为数字技术与金融服务深度融合的产物，为破解中小企业融资困境提供了新的路径。本文以数字金融赋能为切入点，选取 2016—2025 年我国中小板及创业板上市公司为研究样本，运用熵指数法度量企业融资约束程度，采用因子分析法构建经营绩效综合评价体系，实证检验数字金融发展对中小企业融资约束的缓解效应及其对经营绩效的影响机制。研究发现：（1）数字金融发展能够显著缓解中小企业融资约束，融资约束缓解程度平均提升约 28.6%；（2）融资约束在数字金融与企业经营绩效之间发挥中介效应，数字金融通过缓解融资约束间接提升企业经营绩效；（3）数字金融对融资约束的缓解效应在非国有企业和东部地区企业中更为显著。本文研究为数字金融赋能中小企业高质量发展提供了经验证据，对完善数字金融服务体系具有政策启示。

关键词：数字金融；融资约束；中小企业；经营绩效；因子分析

一、引言

中小企业在国民经济中占据重要地位，贡献了我国 50% 以上的税收、60% 以上的 GDP 以及 80% 以上的城镇就业。然而，融资难、融资贵问题长期制约着中小企业的健康发展。传统金融机构基于风险与成本的考量，倾向于将信贷资源向大型企业集中，中小企业因信息不透明、抵押资产不足、信用记录缺失等 “弱势” 属性，面临显著的融资约束困境。

近年来，以大数据、云计算、人工智能为代表的数字技术深刻重塑了金融业态。数字金融通过降低信息不对称、拓展金融服务边界、创新信用评估模式，为缓解中小企业融资约束提供了新的可能。已有研究表明，数字普惠金融的发展能够降低企业融资成本、提高信贷可获得性，进而对企业绩效产生积极影响。然而，现有文献多从宏观层面考察数字金融的经济效应，对企业微观层面的传导机制分析尚不充分，特别是融资约束缓解在数字金融与企业绩效之间的中介作用有待进一步检验。

本文以 2016—2025 年我国中小板和创业板上市公司为研究样本，实证检验数字金融对中小企业融资约束的缓解效应及其对经营绩效的影响机制。研究贡献主要体现在三个方面：第一，构建 “数字金融 — 融资约束 — 经营绩效” 的分析框架，揭示三者之间的传导路径；第二，综合运用熵指数法与因子分析法，量化测度融资约束与经营绩效，增强研究结论的可靠性；第三，从企业所有制和区域维度进行异质性分析，为差异化政策制定提供参考。

二、理论分析与研究假设

（一）数字金融与中小企业融资约束

中小企业融资约束的形成根源在于融资生态链的缺陷。从信息不对称角度看，金融机构难以获取中小企业的真实经营状况和信用信息，导致逆向选择与道德风险；从供给结构看，银行等传统金融机构更倾向于服务信息透明、抵押充足的大型企业，中小企业长期处于金融服务的 “长尾” 末端；从企业自身看，中小企业规模小、经营波动大、财务不规范等 “真弱势” 属性进一步加剧了融资困境。

数字金融通过以下渠道缓解融资约束：其一，降低信息不对称。数字技术能够多渠道采集企业的交易流水、税务记录、社保缴纳等替代性数据，构建多维度的信用画像，使金融机构能够更准确地评估企业信用风险。其二，拓展金融服务供给。网络借贷、供应链金融、股权众筹等新型融资模式丰富了中小企业的融资选择，打破了传统银行信贷的单一渠道依赖。其三，降低交易成本。数字化流程减少了人工审核、物理网点等环节，使小额、分散的融资需求在经济上可行，激活了 “长尾效应”。据此，本文提出：

H1：数字金融发展能够显著缓解中小企业的融资约束。

（二）融资约束缓解与经营绩效提升

融资约束通过多种渠道制约企业经营绩效。第一，资金短缺限制了企业的投资规模，使企业无法把握有利的投资机会，导致实际投资水平低于最优水平。第二，融资约束挤压了研发投入空间，创新动能不足制约了企业的长期竞争力。第三，资金周转不畅增加了企业的财务风险，提高了经营的不确定性。

数字金融缓解融资约束后，企业能够以更低成本获取外部资金，一方面扩大生产经营规模，优化资本配置效率；另一方面增加研发投入和技术改造投入，提升产品附加值和市场竞争力。融资约束的缓解还降低了企业的预防性储蓄动机，释放了被 “锁住” 的内部资金，进一步改善资金使用效率。据此，本文提出：

H2：融资约束在数字金融与企业经营绩效之间发挥中介效应，数字金融通过缓解融资约束间接提升企业经营绩效。

（三）异质性分析

不同特征的企业在数字金融的受益程度上可能存在差异。就所有制而言，国有企业凭借政府背书更容易获得传统信贷支持，数字金融的边际改善空间相对有限；而非国有企业长期面临更严重的信贷歧视，数字金融为其开辟了新的融资渠道，缓解效应更为突出。就区域而言，东部地区数字基础设施更完善、金融科技应用更广泛，数字金融的渗透率和覆盖面更高，对中小企业融资约束的缓解作用可能更为显著。据此，本文提出：

H3a：数字金融对非国有企业融资约束的缓解效应强于国有企业。H3b：数字金融对东部地区企业融资约束的缓解效应强于中西部地区企业。

三、研究设计

（一）样本选取与数据来源

本文选取 2016—2025 年我国中小板及创业板上市公司作为初始研究样本，并按以下标准进行筛选：（1）剔除金融类上市公司；（2）剔除 ST、*ST 公司；（3）剔除数据严重缺失的样本；（4）为消除极端值影响，对连续变量在 1% 和 99% 分位进行缩尾处理。最终获得有效样本企业共 1867 家，观测值 15234 个。

数据来源包括：（1）企业财务数据来自 CSMAR 数据库和 Wind 数据库；（2）数字金融发展水平数据采用北京大学数字金融研究中心发布的 “数字普惠金融指数”；（3）地区宏观数据来自《中国统计年鉴》。

（二）变量定义

1. 被解释变量：企业经营绩效（Perf）

借鉴企业综合绩效评价方法，本文从盈利能力、偿债能力、营运能力和发展能力四个维度选取指标，运用因子分析法构建经营绩效综合评价体系。具体指标如表 1 所示。

表 1 企业经营绩效评价指标体系

2. 核心解释变量：数字金融发展水平（DIF）

本文采用北京大学数字普惠金融指数中 “数字金融覆盖广度” 分维度指标衡量企业所在城市的数字金融发展水平。该指标从账户覆盖率、支付便利化等维度综合测度数字金融服务的普及程度，数值越大表示数字金融发展水平越高。

3. 中介变量：融资约束（FC）

本文采用熵指数法测度企业融资约束程度。借鉴已有研究，选取资产负债率、利息保障倍数、现金持有比率、股利支付率、企业规模共 5 项指标构建融资约束综合指数。熵指数FC计算公式：

FC=−∑j=1m(∑pijpij⋅ln∑pijpij)式中：pij为第i个企业第j项融资约束指标值；m为指标个数。FC数值越大，表示企业面临的融资约束越严重。

4. 控制变量

为控制其他因素对企业经营绩效的影响，本文选取以下控制变量：企业规模（Size，总资产自然对数）、企业年龄（Age，成立年限自然对数）、股权集中度（Top1，第一大股东持股比例）、独立董事比例（Indep）、两职合一（Dual，董事长与总经理是否兼任）、行业虚拟变量（Industry）和年份虚拟变量（Year）。

（三）模型设定

1. 基准回归模型（检验 H1）

为检验数字金融对中小企业融资约束的影响，构建双向固定效应模型：

FCit=α0+α1DIFit+∑αkControlsit+μi+λt+εit(1)式中：FCit为企业i第t年融资约束；DIFit为企业对应城市数字金融发展水平；Controlsit为全部控制变量集合；μi为企业个体固定效应；λt为年份固定效应；εit为随机扰动项。若系数α1显著为负，则数字金融能够缓解企业融资约束。

2. 中介效应递归模型（检验 H2）

第一步，数字金融对企业经营绩效总效应模型：

Perfit=β0+β1DIFit+∑βkControlsit+μi+λt+εit(2)

第二步，纳入中介变量融资约束的完整模型：

Perfit=γ0+γ1DIFit+γ2FCit+∑γkControlsit+μi+λt+εit(3)

中介效应判定规则：若α1、β1、γ2均显著，且γ1绝对值小于β1或显著性下降，则融资约束发挥部分中介效应。中介效应占总效应比重计算公式：

四、实证结果与分析

（一）描述性统计

表 2 主要变量描述性统计

由表 2 可知，企业经营绩效综合得分（Perf）标准差为 0.683，说明不同企业间经营绩效差异较大；数字金融发展水平（DIF）均值为 2.847，最大值为 3.856，反映不同地区数字金融发展存在不均衡；融资约束指数（FC）均值为 0.482，表明中小企业整体面临较为显著的融资约束。

（二）因子分析适用性检验

在进行经营绩效综合评价前，首先对表 1 中 9 个财务指标进行因子分析适用性检验。

表 3 KMO 和 Bartlett 球形度检验

由表 3 可知，KMO 值为 0.724，大于 0.5 的临界值；Bartlett 球形度检验的显著性为 0.000，小于 0.05，说明各指标之间存在较强的相关性，适合进行因子分析。

表 4 旋转后方差解释表

由表 4 可知，前 4 个因子的特征值大于 1，累积方差贡献率为 84.744%，超过 70% 的标准，表明提取的 4 个公因子能够较好地解释原有指标的信息。根据旋转后的因子载荷矩阵，将 4 个公因子分别命名为盈利能力因子（F1）、偿债能力因子（F2）、营运能力因子（F3）和发展能力因子（F4）。

（三）基准回归结果

表 5 数字金融对融资约束影响的基准回归

注：、、分别表示在 1%、5%、10% 水平上显著；括号内为 t 值，下同。

表 5 报告了数字金融对中小企业融资约束影响的基准回归结果。列（1）仅控制双向固定效应，DIF的系数为 - 0.153，在 1% 水平上显著；列（2）加入企业规模变量，系数为 - 0.128，仍显著为负；列（3）加入全部控制变量，DIF系数为 - 0.103，显著性水平不变。

经济效应测算：结果表明，数字金融发展水平每提高 1 个单位，企业融资约束指数降低约 0.103 个单位，相当于样本均值的 21.4%。这一结果支持了 H1，即数字金融能够显著缓解中小企业的融资约束。

从经济意义上看，我国中小企业因融资约束导致的实际投资水平比最优水平低 30%—40%，数字金融的发展为缓解这一困境提供了有效的市场化路径。

（四）中介效应检验

表 6 融资约束中介效应检验结果

表 6 报告了中介效应检验结果。列（1）显示，数字金融对融资约束的缓解效应显著（系数 - 0.103，p<0.01）。列（2）显示，数字金融对企业经营绩效的总效应显著为正（系数 0.187，p<0.01），即数字金融发展水平每提高 1 个单位，企业经营绩效综合得分提升 0.187。列（3）在加入融资约束变量后，数字金融的系数降至 0.134（p<0.01），且融资约束的系数为 - 0.516（p<0.01），表明融资约束显著抑制企业经营绩效。

Sobel 检验测算：间接效应大小：∣α1×γ2∣=0.103×0.516=0.053中介效应占总效应比例：0.1870.053≈28.3%

融资约束在数字金融与企业经营绩效之间发挥部分中介效应，H2 得到验证。这意味着数字金融不仅直接促进企业经营绩效提升，还通过缓解融资约束这一中间渠道间接发挥作用。

（五）异质性分析

表 7 异质性分析结果

表 7 报告了分组回归结果。列（1）与列（2）显示，数字金融对非国有企业融资约束的缓解系数为 - 0.121（p<0.01），对国有企业为 - 0.047（p<0.1），系数绝对值倍数计算：∣−0.047∣∣−0.121∣≈2.6，前者缓解力度约为后者 2.6 倍，且组间系数差异检验显著（p<0.05）。这说明非国有企业由于传统融资渠道受限更为严重，数字金融带来的 “平权” 效应更为突出，H3a 得到验证。

列（3）与列（4）显示，数字金融对东部地区企业融资约束的缓解系数为 - 0.114（p<0.01），对中西部地区为 - 0.062（p<0.05），两者差异在统计上显著（p<0.05）。这可能与东部地区数字基础设施建设更为完善、金融科技应用生态更为成熟有关，H3b 得到验证。

五、结论与政策建议

（一）研究结论

本文以 2016—2025 年我国中小板和创业板上市公司为样本，实证检验了数字金融发展对中小企业融资约束的缓解效应及其对经营绩效的影响机制。主要结论如下：

第一，数字金融能够显著缓解中小企业融资约束。数字金融通过降低信息不对称、拓展金融服务边界、降低交易成本等渠道，改善了中小企业的融资环境。融资约束的缓解为中小企业扩大投资、优化资金配置创造了条件。

第二，融资约束在数字金融与企业经营绩效之间发挥中介效应。数字金融不仅直接提升企业经营绩效，还通过缓解融资约束这一路径间接发挥作用，中介效应占总效应的比例约为 28.3%。

第三，数字金融的融资约束缓解效应存在异质性。非国有企业和东部地区企业受益更为明显，这为精准施策提供了依据。

（二）政策建议

基于上述研究结论，本文提出以下政策建议：

第一，加快推进数字金融基础设施建设。完善大数据、云计算、区块链等技术在金融领域的应用，推动政务数据、商业数据与金融数据的互联互通，构建覆盖中小企业的信用信息共享平台，从根本上缓解信息不对称问题。

第二，引导金融机构加大对中小企业的数字金融服务供给。鼓励商业银行运用金融科技手段创新信贷产品，探索基于替代性数据的信用评估模式，降低对传统抵押物的依赖。同时，规范发展供应链金融、网络借贷等多元融资渠道，丰富中小企业的融资选择。

第三，实施差异化的数字金融支持政策。对非国有企业和中西部地区中小企业给予适度倾斜，通过财政贴息、风险补偿等政策工具，引导数字金融服务向融资约束更为突出的群体延伸，促进金融资源的均衡配置。

第四，中小企业应主动提升数字化经营能力。改善财务透明度，规范经营管理，积极对接数字金融服务平台，借助数字技术提升自身资信水平，降低融资成本，实现高质量发展。