银行数字普惠金融、银行竞争与企业融资约束

雷辉 金敏

基金项目：湖南省哲学社会科学基金重点项目（20ZDB004）、国家自然科学基金重大项目（71790593）

作者简介：雷 辉（1967—），男，湖南长沙人，博士，湖南大学工商管理学院教授，博士生导师，研究方向：战略与创新管理。

摘 要：基于中国31个省份的相关数据，使用变异系数法构建银行数字普惠金融指数，以中小企业板上市公司为研究样本，讨论竞争程度变化时银行数字普惠金融对中小企业融资约束的影响及变化。研究发现：银行数字普惠金融发展有利于缓解中小企业融资约束，当银行竞争程度较高时，缓解作用更加明显。同时，相对于民营中小企业，银行数字普惠金融发展对国有中小企业融资约束的缓解作用更加明显，反映了当前银行在发展数字普惠金融时存在选择偏向问题。但随着银行竞争的提高，这种问题有所缓解。

关键词：银行数字普惠金融;中小企业;融资约束;银行竞争

中图分类号：F832 文献标识码：A 文章编号：1003-7217（2021）06-0002-08

一、引 言

普惠金融在中国的实践前后经历了四个阶段，包括公益性小额信贷、发展性微型金融、综合性普惠金融和创新性互联网金融[1]。现阶段，人们的主要关注点在于如何依托包括移动互联网在内的数字技术来推动普惠金融的进一步发展。2016年，G20第十一次峰会首次提出了“数字普惠金融”的概念。作为正规金融服务的主要供给方，银行已成为数字普惠金融的重要实施主体。尤其是近几年，随着数字技术的发展，银行逐渐向数字化转型。在此过程中，银行的服务效率不断提高，同时银行的服务边界得到了进一步的拓展[2]。在大数据、征信以及移动互联网等数字技术的助力下，数字普惠金融逐渐成为实现低成本、广覆盖、高效率和可持续的普惠金融的重要模式[3]。

研究银行数字普惠金融的发展能否有效地促进中小企业融资约束的缓解，是检验数字普惠金融发展成效的一个重要方式。然而，现有的关于普惠金融影响效应的研究大多集中在宏观层面上，主要探讨了普惠金融在促进经济增长、缓解贫困等方面的作用[4-8]。较少有文章探讨数字普惠金融发展对微观家庭或微观企业的影响，具有代表性的是邹伟和凌江怀（2018年）以及梁榜和张建华（2018）利用微观数据，证实了数字普惠金融能够通过拓宽企业融资渠道、降低融资成本以及提高融资效率等途径来缓解企业融资约束[9，10]。但是，他们在探讨二者关系时，直接使用《北京大學数字普惠金融指数（2011-2018年）》。而这套指数实际反映的是互联网公司数字普惠金融服务的发展情况，并未统计银行等传统金融机构的相关业务[3]。因此，本文进一步从银行角度入手，通过构建银行数字普惠金融指数，探讨银行数字普惠金融发展对中小企业融资约束的影响效果，以进一步丰富现有相关研究。

目前，银行竞争在促进普惠金融服务深化中的作用愈发受到重视。但是现有的关于银行竞争与普惠金融的研究存在较大争议。一部分研究认为，有效的竞争是提升普惠金融服务效能的关键点[11，12]。王雪和何广文（2019）研究发现，县域银行业竞争显著促进了普惠金融服务深化，但这种促进效应在金融基础设施不健全的贫困县相对较弱[13]。Marín和Schwabe（2019）发现银行竞争与普惠金融服务效率深化之间存在正相关关系[14]。而另一部分学者则认为，银行竞争程度的提高在一定程度上加剧了银行的脆弱性，从而影响了普惠金融的实施效果[15，16]。因此，有必要进一步探讨银行竞争程度变化对银行数字普惠金融服务效率的影响。此外，在以往研究中，鲜有学者对银行竞争、普惠金融以及企业融资约束三者之间的关系进行进一步的探讨。普惠金融对企业融资约束缓解的积极作用已得到了一部分学者的证实，而这种积极作用是否会随着银行竞争程度的变化而有所改变？如何改变？这些问题都有待深入研究。

二、分析框架与研究假设

（一）银行数字普惠金融发展与中小企业融资约束

发展普惠金融是我国的一项重要战略。为推进普惠金融发展，我国相继出台了多项普惠政策，例如“三个不低于”①以及普惠金融定向降准政策②等，旨在促使银行通过降低贷款利率以及增加贷款量，加大对中小企业融资的直接支持力度，直接提高中小企业对正规金融服务的可得性。邹伟和凌江怀（2018）指出，普惠金融发展水平较高往往意味着金融供给相对充足，提高银行数字普惠金融水平有利于进一步增加对中小企业的资金供给，从而缓解中小企业融资约束[9]。同时，作为正规金融的主要提供方，银行的数字化转型进一步推动了数字普惠金融的发展。受信用记录不完善、抵押物缺乏以及信息不对称等诸多因素的影响，中小企业往往面临较强的融资约束[17]。而大数据以及征信等相关数字技术的发展和应用，在一定程度上使得银行能够及时有效地挖掘和收集客户的信用数据，一方面有助于降低银行的监管费用，从而降低中小企业的融资成本;另一方面提高了银行的风险控制，从而加强银行对中小企业的融资支持意愿[10]。同时，移动互联网的发展打破了时间和空间的限制，降低了金融需求方获取正规银行服务的时间和距离成本，进一步提升了金融服务的可得性，扩大了银行金融服务的覆盖面[18]。基于以上分析，提出假设：

H1 发展银行数字普惠金融能够缓解中小企业的融资约束。

（二）银行竞争程度的影响

银行是数字普惠金融的主要实施主体，银行竞争程度的变化直接影响了数字普惠金融的实施效果[19]。目前，虽然银行竞争与普惠效率之间的关系仍存在争议，但是绝大多数学者在基于中国背景的研究中发现，银行竞争对普惠绩效有正向的促进作用[11，20]。事实上，银行竞争程度的加强在一定程度上有助于打破垄断，促进金融服务深化，提高银行对中小企业的普惠效率[13]。竞争程度的加强促使银行以更低的利率为中小企业提供贷款，从而降低中小企业的融资成本[21];同时，有利于进一步促使银行创新信贷技术，为中小企业提供更加多样化和更具针对性的普惠金融服务与产品，从而提高金融服务的普惠性[22]。因此，结合我国银行的发展现状，提出以下假设：

H2 在银行竞争程度较高时，银行数字普惠金融发展对中小企业融资约束的缓解作用更加显著。

三、研究设计

（一）数据来源与样本选择

基于数据可得性，本研究选取2011-2017年中国31个省份（不包括台湾、香港和澳门）的相关数据来构建银行数字普惠金融指数。另外，为衡量中小企业的融资约束，对应选取2011-2017年中小板上市公司的相关财务数据进行研究。在此基础上，利用以下标准对企业样本进行筛选：（1） 剔除金融类上市公司;（2）剔除ST和*ST公司;（3）剔除上市时间不满1年的样本;（4）剔除资产负债率大于1的样本;（5）剔除数据缺失的样本。为避免受极端值的影响，对连续变量按照1%和99%的水平进行Winsorize处理，最终获得4489个观测值。其中，银行数字普惠金融指标数据来源于《中国区域金融运行报告》《中国各地区金融稳定报告摘要》《中国统计年鉴》和EPS数据库，企业相关财务数据来自万得、国泰安数据库。

（二）主要变量计算

1. 银行数字普惠金融指标选择与衡量。银行数字普惠金融其本质上是一种系统性的、多维度的金融行为。因此，在实际衡量时需要从多维度出发进行考虑，相关学者也进行了丰富的实践。本文的主要研究思路是：基于目前普惠金融全球合作伙伴（GPFI）对数字普惠金融的定义，借鉴已有文献，并结合银行目前的主要服务和数字化发展状况，对银行数字普惠金融指标体系进行构建③。在构建过程中进一步遵循科学性、全面性、有效性及数据可获得性原则[23]，从而选取出服务可得性、服务使用情况、服务质量以及数字化程度这4个主要维度，具体包括12个细分指标（见表1）。

上述4个不同维度实际上反映的是一个整体的不同视角。其中，服务可得性维度主要反映了银行数字普惠金融对服务群体的覆盖范围，当服务可得性越高时，表明中小企业等弱势群体能够更加便利地获取相关正规金融服务。使用情况维度则反映了银行数字普惠金融对弱势群体的触达能力，当使用情况越好时，表明越多的中小企业等弱势群体能够真正享受到更多的数字普惠金融服务与产品。服务质量维度主要反映了普惠金融的商业可持续性以及获取成本，当服务质量越高时，表明银行数字普惠金融的商业可持续性越强，能够更长久地为中小企业等弱势群体以较低的成本提供相关产品与服务。数字化程度维度则反映了银行利用数字技术实现服务效率的提高，当数字化程度越高时，表明此时银行征信技术发展越好，能够更好地缓解借贷双方的信息不对称程度，以降低信贷风险，并进一步提高贷款审核效率④。

参照该领域经典的研究，使用联合国人类发展指数（HDI）的构建方法，并结合刘亦文等（2018）、Bozkurt等（2018）对不同指标的标准化处理方法以及相应权重测算方法，来计算2011-2017年银行数字普惠金融发展指数[24，25]。

为避免受各指标量纲差异的影响，首先对各指标依次进行标准化处理。正向指标的标准化处理如式（1）所示，逆向指标的标准化处理如式（2）所示。

参照刘亦文等（2018）的研究，使用变异系数法对单一维度下的各个指标以及不同维度分别进行赋权，并在此基础上合成单一维度指数BDFIi和综合指数BDFI[24]。

2. 银行竞争。采用各省份不同类型银行支行数量份额计算出银行业赫芬达尔指数（HHI），以此来度量各省市的银行竞争程度。相应计算公式如下：

式（5）中，HHIjt表示j省在t时期的赫芬达尔指数值，Kjt 表示t时期j省内的所有类型银行的數量，branchkjt 表示t时期j省内第k类银行的分支机构数。

同时，参照刘凤委和李琦（2013）的研究，以HHI指数值的中位数为标准，对各省份的银行竞争程度进行分组[26]。由于HHI指数是逆向指标，其数值越小表示银行竞争程度越强，所以当HHI指数值低于中位数时，为高竞争组，反之为低竞争组。

（三）模型设计及变量界定

参照姜付秀等（2016）[27]的研究，使用投资现金流敏感性模型作为衡量企业融资的基准模型⑤：

式（6）中，Inv为企业投资水平;CF为现金流，Controls为控制变量组，β1为投资现金流敏感性系数，当企业存在融资约束时，β1的估计值预期为正。此外，在研究中进一步设置了年度（Year）和行业（Industry）虚拟变量，用以控制年度固定效应和行业固定效应。

为进一步检验银行数字普惠金融对企业融资约束的影响，在式（6）基础上进一步引入现金流（CF）与银行数字普惠金融（BDFI）的交互项，得到如下扩展模型：

式（7）中，若β2显著为负，则表示银行数字普惠金融能够缓解企业融资约束。上述模型中各变量的具体计算方法见表3。

（四）描述性统计

表4是主要变量的描述性统计结果。企业投资水平的均值为0.074，中位数为0.054;现金流（CF）的均值和中位数分别为0.055和0.053，相差并不大;银行数字普惠金融（BDFI）的最小值为0.051，最大值为0.702，从中可以看出各省份间的银行数字普惠金融发展水平存在较大差距;银行竞争程度（HHI）的均值和中位数分别为0.286和0.287，其最小值为0.235⑥。其他控制变量的描述性统计结果见表4，在此不一一赘述。

四、实证结果与分析

（一）银行数字普惠金融与中小企业融资约束

基于F检验和 Hausman 检验的结果，采用固定效应法对相关模型进行回归，回归结果见表5。其中，第2列为基准模型的回归结果。可以发现，基准模型中CF的系数在1%水平上显著为正，说明企业存在明显的融资约束。第3列为式（7）的回归结果，结果显示，CF×BDFI的估计系数在5%水平上显著为负，表明银行数字普惠金融的发展能够有效缓解中小企业的融资约束，假设1成立。

在控制变量方面，Growth对应的回归系数为正，但是并不显著;Size的回归系数显著为负，表示企业规模越大，投资水平越低;ROA和Lev对应的回归系数显著为正，表示企业的资产收益率以及负债比率的增加将会导致投资水平的提高;Cashholding和First的回归系数为正但并不显著，Board的回归系数为负但并不显著。

（二）银行竞争的影响

表5的分组回归结果显示，在低竞争组（HHI指数值>中位数），CF×BDFI的回归系数为-0.095，但是并不显著，说明在银行竞争程度较低时，银行数字普惠金融的发展对中小企业融资约束并无明显缓解作用。在高竞争组（HHI指数值<中位数），CF×BDFI的回归系数为-0.248，在5%水平上显著，说明在银行竞争程度较高时，银行数字普惠金融的发展能够有效缓解中小企业的融资约束，基本符合假设2的预期。

在此基础上，进一步考虑将样本分为民营中小企业组和国有中小企业组，探讨当银行竞争程度不同以及企业所有权性质不同时，主效应关系将如何变化。相关回归结果（见表6）显示，在民营企业样本中，CF×BDFI的回归系数为-0.170，在10%水平上显著;在国有企业样本中，CF×BDFI的回归系数为-0.604，且在1%水平上显著。结果表明，银行数字普惠金融的发展能够有效缓解国有中小企业和民营中小企业的融资约束，但是相对于民营中小企业，银行数字普惠金融的发展对国有中小企业融资约束的缓解作用更加明显，这与梁榜和张建华（2018）[10]的研究结果相反。可能的原因是：（1）梁榜和张建华（2018）研究中所使用的北京大学数字普惠金融指数实际上反映的是互联网公司数字普惠金融服务的发展情况，而本文的数字普惠金融指数则是基于银行业金融机构的相关业务所构建的;（2）目前银行数字普惠金融的发展并不成熟，商业可持续性不高，再加上民营企业贷款风险高，收益相对较低，从而导致银行在提供普惠金融服务时更偏向于国有企业。

在民营企业样本中，低竞争组的CF×BDFI的回归系数不显著，甚至为正;高竞争组的CF×BDFI的回归系数为-0.219，且在5%水平上显著。这表明，当银行竞争程度较弱时，银行数字普惠金融的发展与缓解民营中小企业融资约束之间没有形成稳健的联系;而在银行竞争程度较强时，银行数字普惠金融的发展能够明显缓解民营中小企业的融资约束，这与假设2的观点基本相符。

在国有企业样本中，低竞争组的CF×BDFI的回归系数为-1.994，在1%水平上显著;高竞争组的CF×BDFI的回归系数为-0.436，仅在10%水平上顯著。这表明，相对于高竞争组，低竞争组中银行数字普惠金融的发展对国有中小企业融资约束的缓解作用更加明显。可能的原因是，当银行竞争程度较低时，银行存在选择偏向，基于逐利动机，在提供资金服务时更倾向于国有企业。而当银行竞争程度较高时，银行的客户选择权相对较小，出于竞争压力，银行将进一步增加对民营企业的贷款供给，相对而言，对国有企业融资约束的缓解作用将有所弱化。

（三）稳健性建议

1. 控制内生性。

为减少内生性的影响，参照姜付秀等（2019）的研究，对除银行数字普惠金融（BDFI）以外的解释变量进行滞后一期处理[28]，并进一步控制省份固定效应，回归结果汇总于表7。

在全样本中，CF×BDFI的系数在5%的水平上显著为负，支持假设1。另外，当银行竞争程度较低时，CF×BDFI的系数为负但不显著，而当银行竞争程度较高时，CF×BDFI的系数在5%的水平上显著为负，支持假设2。上述结论与表5基本一致。

2. 融资约束的其他度量方法。

目前，有关融资约束的度量方法仍存在较大争议。为进一步提高研究的可靠性，另外采用SA指数⑦对融资约束进行度量，并对假设1与假设2进行重新验证，所得结论与前文一致。

3. 银行竞争程度的不同度量方法。

另外使用前三大银行分支机构占比（CR3）对各省份银行竞争程度进行衡量，按照中位数重新划分高竞争组和低竞争组⑧。并进一步对相应模型进行重新回归，实证结果与前文基本一致，因此认为前文得到的结果是稳健的。

五、结论与建议

通过构建银行数字普惠金融发展指数，并以2011-2017年中小企业板上市公司为样本，考察了银行竞争、银行数字普惠金融发展与中小企业融资约束之间的关系。研究发现，发展银行数字普惠金融整体上能够有效缓解中小企业的融资约束。当银行竞争程度较高时，银行数字普惠金融的发展对中小企业融资约束起到了良好的缓解作用;而当银行竞争程度较低时，这种缓解作用并不显著。此外，本研究进一步探讨了企业所有制差异是如何影响银行数字普惠金融发展与企业融资约束两者之间关系的。结果显示，相较于民营中小企业，银行数字普惠金融的发展对国有中小企业融资约束的缓解作用更加明显，这在一定程度上反映了当前银行在发展数字普惠金融时存在选择偏向问题。而随着银行竞争程度的提高，这种问题有所缓解。

本文的政策启示在于：（1）政府部门应当加强金融监管，从资金及政策层面出发，加大对薄弱环节的支持力度，鼓励银行不断创新数字普惠金融产品与服务，以满足不同所有制企业的多元化融资需求，从而进一步提高银行数字普惠金融对弱势群体的服务精准性和有效性;（2）积极引导各类银行有序竞争，逐渐形成具有竞争性的多层次的银行市场结构，从而深化普惠金融服务效率。（3）中小企业的管理者应当不断提高自身的金融素养，主动了解并充分利用现行的各项数字普惠金融政策。数字普惠金融对于实体经济的发展存在显著的促进作用，传统金融发展、消费水平以及科技创新只具有一定的传导作用，促进实体经济发展的关键在于提高数字普惠金融的发展水平[29]。所以，受融资约束影响较大的中小企业更应当对数字普惠金融相关资源进行合理配置，使得数字普惠金融能够更好地为中小企业服务，以真正实现企业价值的提升。

注释：

① 2015年3月， 银监会提出了 “三个不低于” 考核要求，即小微企业贷款增速不低于各项贷款平均增速、小微企业贷款户数不低于上年同期户数、小微企业申贷获得率不低于上年同期水平。

② 2017年，中国人民银行发布《中国人民银行关于对普惠金融实施定向降准的通知》，将定向降准政策考核范围由原来的小微企业贷款和涉农贷款调整为普惠金融领域贷款。

③ 国际组织普惠金融全球合作伙伴（GPFI）在G20峰会上将“数字普惠金融”定义为，“通过运用数字技术为无法获得金融服务或缺乏金融服务的群体提供一系列的正规金融服务”。本文的“数字化程度”维度也更多是基于这一思路，考虑的是相关数字技术助力需求方获取银行正规金融服务的便利程度。而其他维度则是基于银行现有的主要正规金融服务，即传统的存款和借款两大方面。

④ 当前银行在发展数字普惠金融时，主要依托于移动互联网以及征信系统的技术支持。一方面，广泛的客户群体可以通过移动终端快捷地接触到银行的普惠金融服务，这有助于降低普惠金融需求方获取金融服务的时间和沟通成本。另一方面，在移动互联网以及征信等技术的共同助力下，银行能够更准确、高效地获取和存储客户的信用信息。这些信息能够使银行精准地预测潜在的违约风险，甚至可以取代抵押物等担保方式，这有助于实现大数据时代下的金融产品的精准营销和风险实时控制，全面提升银行的数字普惠金融能力。但是限于数据可得性，目前有关银行移动化技术发展程度的衡量指标数据大多为全国性数据，与本文所需的省域数据不匹配。因此，本文主要是考虑了“信用化”这一指标来反映数字技术助力需求方获取银行正规金融服务的便利程度，其在一定程度上也是征信技术以及互联网技术的共同体现。后续学者在自身能力以及成本范围内也可进一步补充选取更加合适的指标来展开研究。

⑤ F检验和Hausman检验的结果显示应该采用固定效应模型。

⑥ 赫芬达尔指数HHI值>0.18被认为是寡占型的市场，本文计算出来的各省份HHI值均超过0.18，这表明我国信贷市场依然处于寡占阶段，整体银行业竞争程度相对较低。因此，本文并没有考虑过度竞争可能的影响。

⑦ SA指数由两个完全外生的变量（Size和Age）构成，不存在内生性变量，且目前在相关研究中得到广泛应用[30]。其计算公式为：SA指数=-0.737×ln（企业资产总额/1000000）+0.043×（ln（企业资产总额/1000000））2-0.04×企业上市年限。

⑧ 由于CR3为逆向指标，其数值越小表示銀行竞争程度越强，所以当CR3低于中位数时，为高竞争组;反之，为低竞争组。

参考文献：

[1] 焦瑾璞，黄亭亭，汪天都，等. 中国普惠金融发展进程及实证研究[J]. 上海金融， 2015（4）：12-22.

[2] 谢治春，赵兴庐，刘媛. 金融科技发展与商业银行的数字化战略转型[J]. 中国软科学， 2018（8）：184-192.

[3] 郭峰，王靖一，王芳， 等. 测度中国数字普惠金融发展：指数编制与空间特征[J].经济学（季刊）， 2020，19（4）：1401-1408.

[4] 任碧云，李柳颍.数字普惠金融是否促进农村包容性增长——基于京津冀2114位农村居民调查数据的研究[J].现代财经（天津财经大学学报），2019，39（4）：3-14.

[5] 谭燕芝，彭千芮.普惠金融发展与贫困减缓：直接影响与空间溢出效应[J].当代财经，2018（3）：56-67.

[6] 黄倩，李政，熊德平.数字普惠金融的减贫效应及其传导机制[J].改革，2019（11）：90-101.

[7] Ahamed M M， Mallick S K. Is financial inclusion good for bank stability？ International evidence[J]. Journal of Economic Behavior & Organization， 2019， 157：403-427.

[8] 欧理平.普惠金融对商业银行盈利可持续性的影响研究[J].学术论坛，2016，39（4）：41-45.

[9] 邹伟，凌江怀.普惠金融与中小微企业融资约束——来自中国中小微企业的经验证据[J].财经论丛，2018（6）：34-45.

[10]梁榜，张建华. 中国普惠金融创新能否缓解中小企业的融资约束[J]. 中国科技论坛， 2018（11）：94-105.

[11]郭晔，徐菲，舒中桥. 银行竞争背景下定向降准政策的“普惠”效应——基于A股和新三板三农、小微企业数据的分析[J]. 金融研究， 2019（1）：1-18.

[12]肖晶，粟勤.破除银行业垄断能够缓解中小企业融资约束吗？[J].南开经济研究，2016（5）：19-35.

[13]王雪，何广文. 县域银行业竞争与普惠金融服务深化——贫困县与非贫困县的分层解析[J]. 中国农村经济， 2019（4）：55-72.

[14]Marín A G， Schwabe R. Bank competition and financial inclusion：Evidence from mexico[J]. Review of Industrial Organization， 2019， 55（2）：257-285.

[15]胡金焱. 市场竞争结构与小额信贷功能的实现[J]. 中国高校社会科学， 2015（2）：105-115.

[16]谭燕芝，杨芸.市场化竞争对金融支农水平影响的分析——基于省际面板数据的实证研究[J].经济经纬，2016，33（3）：25-30.

[17]李兰，潘建成， 彭泗清， 等. 企业家对宏观形势及企业经营状况的判断、问题和建议——2017·中国企业经营者问卷跟踪调查报告[J]. 管理世界， 2017（12）：75-91.

[18]王馨. 互联网金融助解“长尾”小微企业融资难问题研究[J]. 金融研究， 2015 （9）：128-139.

[19]Pham T T T， Nguyen T V H， Nguyen K S. Does bank competition promote financial inclusion？ A cross-country evidence[J]. Applied Economics Letters， 2019， 26（13）：1133-1137.

[20]张正平，杨丹丹. 市场竞争、新型农村金融机构扩张与普惠金融发展——基于省级面板数据的检验与比较[J]. 中国农村经济， 2017（1）：32-45，96.

[21]陈虹. 银行竞争、金融包容与中小企业发展——基于县域农村金融图集的数据[J]. 湖北社会科学， 2019， 386（2）：87-95.

[22]周顺兴，林乐芬. 银行业竞争提升了金融服务普惠性吗？——来自江苏省村镇银行的证据[J]. 产业经济研究， 2015（6）：11-20.

[23]沈丽，张好圆，李文君. 中国普惠金融的区域差异及分布动态演进[J]. 数量经济技术经济研究， 2019， 36（7）：62-80.

[24]刘亦文，丁李平，李毅，等. 中国普惠金融发展水平测度与经济增长效应[J]. 中国软科学， 2018（3）：36-46.

[25]Bozkurt I， Karaku R， Yildiz M. Spatial determinants of financial inclusion over time[J]. Journal of International Development， 2018， 30（8）：1474-1504.

[26]刘凤委，李琦. 市场竞争、EVA评价与企业过度投资[J]. 会计研究， 2013（2）：54-62，95.

[27]姜付秀，石贝贝，马云飙. 信息发布者的财务经历与企业融资约束[J]. 经济研究， 2016， 51（6）：83-97.

[28]姜付秀，蔡文婧，蔡欣妮，等.銀行竞争的微观效应：来自融资约束的经验证据[J].经济研究，2019，54（6）：72-88.

[29]成学真，龚沁宜. 数字普惠金融如何影响实体经济的发展——基于系统GMM模型和中介效应检验的分析[J]. 湖南大学学报（社会科学版），2020，34（3）：59-67.

[30]吴秋生，黄贤环. 财务公司的职能配置与集团成员上市公司融资约束缓解[J]. 中国工业经济， 2017（9）：156-173.

（责任编辑：厉 亚）