程彦霖

（青岛理工大学 商学院，山东 青岛 266520）

摘要：本文选取中国A股制造业上市公司面板数据，实证分析数字金融对企业财务柔性的影响及融资约束的中介作用。结果显示，数字金融与企业财务柔性显著负相关，即数字金融发展水平越高，企业财务柔性越低；融资约束在影响机制中存在部分中介效应；国企中数字金融对企业财务柔性的抑制作用更显著。基于研究结果，本文提出全面推动数字金融发展、提高制造业企业财务数字化水平与财务柔性意识等建议，为制造业上市公司发展提供思路与方法。

关键词：数字金融；财务柔性；融资约束；中介作用

一、引言

数字化浪潮下，数字科技与各行业深度融合，在金融领域，数字化改变传统工作模式，提升会计信息质量与资金配置效率，降低企业财务柔性储备以助力资本价值最大化。高财务数字化企业能高效应对外部冲击，增强应对多种挑战的韧性。为深入探究数字金融对制造业企业财务柔性的作用机理，本文以我国A股上市制造企业为研究对象，用固定效应模型检验数字金融与样本企业关系，还研究融资约束的中介作用，最后依据结论对数字金融发展和企业财务柔性管理提建设性意见。

本文创新点与研究贡献主要有以下三方面：一是丰富数字金融对企业财务柔性影响研究。当前研究较少揭示影响机理与融资约束中介作用，缺乏影响路径系统分析。本文创新构建“数字金融 - 融资约束 - 财务柔性”传导框架，解析作用路径，为企业财务弹性管理提供新理论视角。二是揭示不同产权性质企业受数字金融影响的差异。现有研究多未分类探讨，本文立足中国制度情境，划分国企与非国企样本，开展异质性分析，揭示差异化作用机制。三是研究结果为企业缓解融资约束、降低财务柔性储备提供建议，也为不同企业提升财务数字化水平、降低融资成本提供思路。

二、理论分析与研究假设

现有研究揭示了数字金融与财务柔性的复杂关联：Almeida（2004）发现高数字财务发展水平下企业融资约束低时财务柔性储备较少，反之融资约束高时现金敏感性显著；于赛渊（2016）指出财务柔性通过融资约束的调节作用显著影响企业投资，二者存在双向强化效应。聚焦中国情境，余明桂和潘红波（2008）证实数字金融发展能降低融资约束并缓解所有制歧视；唐松（2009）强调高金融发展区域企业需维持适度负债以平衡价值效应；刘伟江等（2017）基于抵押贷款模型提出企业应建立逆周期财务柔性储备以应对融资约束下的杠杆波动。

1.数字金融对企业财务柔性的影响

数字金融对企业财务柔性呈现双重效应：正向层面，其依托技术优势拓宽融资渠道、优化资本结构（吴非等，2020），提升资源配置效率与风险抵御能力，驱动经济高质量发展（崔耕瑞，2021），并通过增强金融包容性构建稳健外部环境（付争，周帅，2021）；负向层面，融资约束缓解可能引发财务灵活性失衡，导致企业财务柔性储备降低（唐松等，2020）。基于融资约束与信息不对称理论，数字金融通过缓解融资约束拓宽融资渠道，提升内控质量与风险稳定性，降低企业杠杆率与债务规模（林爱杰等，2021），同时抑制无效投资、优化资本配置并降低融资成本，促使企业以低杠杆优势维持较低财务柔性水平，由此提出假设1：

H1：数字金融发展水平越高，上市公司财务柔性越低，即数字金融发展与企业财务柔性呈显著负相关。

2.融资约束在数字金融对企业财务柔性影响中的作用机制

“财务柔性”指企业低成本调配财务资源以应对不确定性并实现价值最大化的能力。曾爱民等（2013）基于A股研究表明，高财务柔性储备企业在金融危机中具备更强抗冲击能力；张雷云（2019）发现财务柔性与企业价值呈倒U型关系，适度储备可提升价值，且内部控制正向强化该效应。进一步研究表明，数字金融通过融资约束的中介效应影响财务柔性：胡定杰（2019）指出，数字金融欠发达区域企业因融资约束高而倾向储备更多财务柔性，而数字金融发达区域企业资金储备意愿降低，导致财务灵活性下降。由此提出假设2：

H2：融资约束在数字金融对企业财务柔性影响机制中存在部分中介效应。

研究设计

1.样本选择与数据来源

本文选取2011-2021年中国A股制造业上市公司作为样本，经过剔除金融类、ST类和*ST类上市公司，得到了16931个观测值。第四期北大数字金融普惠金融指数提供了数字金融方面的数据，其他财务数据来源于CSMAR（国泰安）。本文样本未选取2022与2023年有关数据的原因在于，2022-2023年各省级数字金融指数还未公布。

2.模型设定与变量定义

为检验假设，本文设定如下模型：

面板双固定效应模型

其中CDFF（财务柔性）为模型的被解释变量，参考曾爱民等(2011)对财务柔性的测算为：财务柔性=现金柔性+负债融资柔性，其中现金柔性=企业现金比率-行业现金比率，负债融资柔性=MAX(0，行业平均负债比率-企业负债比率)。FM（数字金融发展）为核心解释变量，本文数字金融数据参考胡定杰（2019）对数字金融的定义，以北京大学金融发展研究中心与蚂蚁金服合作完成的第四期“数字普惠金融指数”（省一级数据），作为衡量数字金融发展的代理变量。

融资约束（FC）无法直接观察，理论界对其度量未形成统一标准，主要度量方法有单指标判别法、多变量指数法等，常见指标有KZ指标、WW指标。但两大指数存在内生性和变量遗漏问题，本文借鉴胡定杰（2019）的方法，以企业总资产为代理变量衡量公司规模，用单项指标判别法将企业规模作为划分融资约束（FC）的标准。为研究中介变量FC在解释变量FM对被解释变量CDFF的影响中是否起中介作用，本文构建分三步走的中介效应模型进行回归分析，模型公式如（2）、（3）、（4）所示。

为了保证研究结果的稳定性和可靠性，引入现金持有比例（Coin）、企业规模（Size）、第一大股东持股比例（FSHP）、企业的发展前景（Growth）、盈利能力（Roa）、行业虚拟变量（IND）以及年度虚拟变量（Year）作为控制变量。γ为回归系数，ε为随机扰动项，a0为常数项，λ为时间固定效应，μ为行业固定效应。所有变量的类型、符号、定义及内涵如表1所示。

表1 变量定义及含义

实证结果分析

1.描述性统计

被解释变量CDFF均值 -0.0120、中位数 -0.0300、标准差0.094，显示样本企业财务柔性普遍较低；最小值 -0.322、最大值0.511，表明企业间财务柔性差异大。核心解释变量FM均值0.609、标准差0.488，最小0、中位1、最大1，说明不同地区数字金融发展水平差异大，契合我国地区发展不均衡现状。中介变量FC均值0.505、标准差0.500，最小0、中位1、最大1，体现企业融资约束程度不同，符合金融市场区别对待企业情况，为异质性分析奠定基础。

表2 描述性统计表

2.相关性分析

由表3可知，各变量间相关系数均小于0.7，表明变量间存在多重共线性问题的可能性较小。解释变量FM与被解释变量CDFF的相关系数为负，且在1%显著性水平下通过检验；中介变量FC与被解释变量CDFF的相关系数为正，也通过显著性检验，为下文研究奠定了基础。