数字普惠金融与企业盈余管理

薛龙 刘家诺 黄琦

【摘 要】 盈余管理行为在企业经营中普遍存在，并影响企业的财务信息质量。为了探究抑制企业盈余管理的有效路径，文章基于北京大学数字普惠金融指数及2011—2020年沪深A股上市公司的数据构建面板数据模型，实证检验数字普惠金融发展对企业盈余管理的影响及其作用机制。研究发现，数字普惠金融可以显著降低企业盈余管理水平，进一步，企业的成长性越好、面临的投资机会越多，数字普惠金融对企业盈余管理程度的缓解效应越显著。机制分析表明，数字普惠金融发展可以通过降低企业面临的融资约束进而抑制其盈余管理动机，降低盈余管理程度。从资源配置效率的角度探究企业盈余管理的抑制途径，有助于全方位缓解企业融资难题，提升企业盈余质量，促进经濟高质量发展。

【关键词】 数字普惠金融； 盈余管理； 融资约束； 资源配置； 资本市场

【中图分类号】 F832.51；F275  【文献标识码】 A  【文章编号】 1004-5937（2022）23-0046-10

一、引言

企业的财务信息是投资者的主要信息来源，其披露质量是维持资本市场健康发展的关键要素。然而由于市场中信息不对称的存在，企业利用虚假财务信息骗取金融资源已成为常见的手段。与财务造假、会计欺诈相比，盈余管理的隐蔽性更强，法律成本更低，因此资本市场中的盈余管理现象也更为普遍。盈余管理行为不仅发生在企业财务报告的对外披露中，而且隐匿在企业真实的交易活动中，并且针对不同程度的融资需求，企业实施盈余管理的方式和程度也有所差异。虽然盈余管理行为能够为企业带来即时性效益，但其隐藏的风险会对企业的价值增长产生极为不利的影响，甚至会进一步危害资本市场的健康发展。在我国资本市场二十多年的发展进程中，上市公司实施盈余管理、操控利润的行为一直都是被重点监管的，对财务造假、会计欺诈行为更是零容忍，但监管成本高昂且控制效果不佳，此类行为仍屡禁不止。因此，如何有效抑制上市公司的盈余操纵成为学术界研究的重点。近年来兴起的数字普惠金融是在大数据、云计算、人工智能等新兴技术驱动下应运而生的创新型金融模式，能够将金融和科技进行有机融合，在助力企业融资方面具有显著优势[ 1 ]。由此带来的问题是，低成本高效率的数字普惠金融是否能够缓解企业的盈余管理？对于不同特征的企业来说，这种缓解效应是否具有异质性？进一步，其内在作用机制是什么？为此，本文以金融资源配置效率为切入点，选择北京大学数字普惠金融指数及2011—2020年沪深A股上市公司财务数据作为研究样本，深入探讨数字普惠金融对企业盈余管理的影响。本文的研究不仅准确揭示了数字普惠金融对企业盈余管理的影响程度，而且可以厘清其作用机制，这对加快数字普惠金融服务企业融资进程、促进企业规范经营及提高经济发展韧性具有重要的理论价值和现实意义。

二、文献梳理与评述

数字普惠金融作为金融与数字技术有机融合下的新型金融业态，提升了金融资源的配置效率，给经济发展带来了积极效应，因此，近年来成为学者研究的热点问题。梳理现有研究可以发现，关于数字普惠金融对微观企业行为影响的研究是目前的关注点。现有文献主要基于融资约束的角度来探讨数字普惠金融对企业发展的影响，比如数字普惠金融对企业投资效率、企业创新产出、企业价值增长的影响研究，这些研究均认为数字普惠金融有效缓解了企业融资约束，对企业发展具有积极作用[ 2-4 ]。从传导机制来看，任晓怡[ 5 ]认为数字普惠金融发展能够有效扩充企业的现金流，降低企业的财务费用和杠杆率水平，最终对缓解企业融资约束产生积极作用。究其原因，廖婧琳等[ 6 ]认为数字普惠金融的发展优化了企业的融资环境，相较于传统金融，在人工智能、大数据技术、区块链等技术的支撑下，数字普惠金融能够在低成本、低风险的基础上处理海量数据[ 7 ]，有效降低金融机构与企业主体间的信息不对称程度，缓解金融资源错配[ 8 ]。而且，数字普惠金融还能为企业提供层次更为丰富的融资渠道，比如智能投顾、供应链金融、消费金融等，实现不同主体不同程度的融资需求，极大提升了金融资源的配置效率。

现有文献中，金融资源配置效率如何影响企业盈余管理并未直接涉及，更多是探讨企业融资活动与其盈余管理的关系。学术界普遍认为在融资难、融资贵的背景下，融资会诱发企业的盈余管理行为。陈燊等[ 9 ]研究发现融资约束与企业盈余管理水平呈现显著的正相关关系，说明企业在面临融资约束时会采取盈余管理策略。Franz等[ 10 ]进一步分析认为银行在进行信贷审批时会依据企业的财务状况调整信贷的额度、期限和利率，为了能够达到债权人要求的盈余门槛，企业会通过盈余管理调整亏损或者提高盈余，以此来缓解债务契约条款的约束。盈余管理在股权融资中较为常见，企业为达到上市条件或者能以较高的价格发行股票、降低企业的权益融资成本，在IPO、股票定向增发等过程中存在着盈余操纵行为[ 11 ]。但盈余管理下的财务信息并不真正反映企业的良好盈利能力，逯东等[ 12 ]认为盈余操纵的不可持续性会导致企业在上市后发生业绩变脸。不仅如此，盈余管理还会显著增加企业的信用风险，进而导致企业融资额度减少、融资成本上升[ 13 ]。在盈余管理的相关研究中，学者重点探讨了抑制企业盈余管理的可能途径，孙光国等[ 14 ]研究发现上市公司机构投资者持股比例同盈余管理程度呈显著的负相关性，任宏达和王琨[ 15 ]认为产品市场竞争越激烈，公司信息披露质量越好。

上述研究成果为数字普惠金融与企业盈余管理关系的研究提供了理论支撑和验证思路。因此，本文在借鉴现有研究的基础上进一步探讨二者的影响关系。本文主要的贡献在于：第一，拓宽了数字普惠金融对企业影响的相关研究。现有文献针对数字普惠金融的微观经济效应的研究多聚焦于企业的投融资及创新行为，鲜有关注企业的信息质量和会计风险。第二，丰富了企业盈余管理影响因素的相关研究。以往文献主要探讨了企业内部控制和外部市场监督层面对企业盈余管理的影响，忽视了金融资源配置效率对企业盈余管理的作用，本文基于数字普惠金融视角，构建了“数字普惠金融—融资约束—盈余管理”的理论分析框架，对厘清数字普惠金融、缓解企业盈余管理的具体路径进行了深入研究。第三，在系统研究数字普惠金融影响企业盈余管理的基础上，深入讨论这一影响效应是否因企业异质性特征而存在差别，为数字普惠金融发展的优化和改善提供了可能的方向。

三、理论分析与研究假设

（一）数字普惠金融与企业盈余管理

由于信息不对称的存在，在企业真实盈利能力和发展潜力的判断上，外界可能无法准确得知企业最真实的信息，因此双方的信息差为企业进行盈余管理提供了条件，而融资约束则强化了企业进行盈余管理的动机。企业面临的融资约束与传统金融模式的授信机制具有一定的关系，传统金融部门重资产、轻能力、交易成本高、服务范围小等弊端使得企业融资难、融资贵问题始终难以有效解决。良好的财务业绩意味着企业具有较强的经济实力，贷款违约风险低，是企业获取金融支持的有力筹码，企业为缓解融资约束对企业发展的不利影响，通常会通过盈余管理上调会计利润，使信贷供给方做出有利于企业的决策。企业通过这种方式获取了大量的金融资源，而且操作成本低，对企业而言是一种较佳的融资手段，这也是资本市场上盈余管理行为普遍存在的重要原因。

数字普惠金融能够缓解企业盈余管理在于其改善了传统的授信机制。数字普惠金融能够借助信息技术手段对海量标准化和非标准化数据进行挖掘，提高市场信息的透明度，降低资金供求双方信息不对称程度，缩小企业进行盈余管理的空间[ 16 ]。并且，数字普惠金融有效缓解了企业的融资约束。在提升金融效率方面，数字普惠金融通过信用的透明化和信息化，颠覆了传统金融的信用定价模式，使得供需双方能够实现直接对话，降低了交易成本，其更具针对性的金融产品能够帮助实现多元主体之间的高效率交易，最大程度优化资源配置[ 17 ]。在增大金融供给方面，数字普惠金融能够盘活游离在正规金融体系之外的资金并有效转化为供给，扩大了原有的金融规模，进一步缓解了企业面临的融资约束，进而降低了企业的盈余管理程度[ 18 ]。此外，数字普惠金融放大了盈余管理的负面效应。数字普惠金融能够通过技术手段对不同行业、企业、个体的相关数据进行抓取、整合和分析，是对传统征信体系的进一步补充与完善，使企业的盈余管理行为更易被识别。盈余管理引发的负面效应不仅会影响企业融资活动，而且会进一步波及企业生产运营的各环节，在数字普惠金融模式下为规避经营风险，企业会谨慎进行盈余管理。基于此，本文提出研究假设1。

H1：数字普惠金融发展能够有效缓解企业的盈余管理行为。

（二）数字普惠金融、企业成长性与企业盈余管理

处于不同生命周期的企业具有不同的特点，在市场压力、资金需求、融资约束及风险管理等方面存在明显差异。相对而言，处于成长期的企业发展前景好、成长性高，具有高投资回报的潜质，但资金需求强且面临的融资约束高。成长性越好的企业有望成为行业未来的标杆企业，可持续发展能力强，在技术和管理等软实力方面优势相对突出，且企业会面临更多净现值为正的投资项目以及更优的市场机遇，是企业实现版图扩张的最佳时机，但这一时期，企业资产硬实力不足，融资成为企业发展的绊脚石。传统金融部门具有“后向型”偏好，会依据企业的资产能力来选择授信客户，使得具有发展潜力的成长期企业面临金融排斥[ 18 ]。因此，在融资动机的驱使下，成长性好的企业会通过盈余管理调整财务业绩以满足信贷机构的授信条件，获取更多的金融资源。并且，企业成长性越好，会计信息的失真值越高[ 19 ]，企业进行盈余管理的程度就越大。数字普惠金融的发展有效校正了传统金融体系中“阶段错配”，使得成长性好的企业能够且更易获取金融资源，那么企业基于融资动机下的盈余管理行为会减少。同时，为确保成长优势的持续性，企业会进一步规避其他动机驱使的现金流操纵、盈余操纵等信息虚假行为。基于此，本文提出研究假设2。

H2：企业成长性越好，数字普惠金融发展对企业盈余管理行为的缓解效应越显著。

（三）数字普惠金融、投资机会与企业盈余管理

企业投资机会是指能够由企业决定采取或放弃的具有良好盈利能力的项目，这些项目为企业获取经济利益提供了较大的可能性。现有研究表明，企业面临的投资机会与其盈余管理程度之间呈正向变动关系，说明企业面临的投资机会越多，越倾向于进行盈余管理[ 20 ]。投资活动需要充足的自由现金流，企业自有资金往往难以支撑企业的投资计划，企业会通过盈余管理策略进行外部融资，获取投资资金，而数字普惠金融的发展优化了金融市场环境，破解了企业的融资困境，尤其是有效解决了高投资机会企业的融资难题。此外，数字普惠金融降低了资本市场的信息不对称，在配置金融资源时能够遵循效率原则，将金融资源与高效率项目的风险特征相互匹配，使得更多的资金倾向于发展前景良好的投资项目。所以，在数字普惠金融的支持下，面临较多投资机会的企业资金得到扩充，企业盈余管理水平将大幅降低。基于此，本文提出研究假设3。

H3：企业面临的投资机会越多，数字普惠金融发展对企业盈余管理行为的缓解效应越显著。

四、实证设计

（一）样本选择与数据来源

本文选取2011—2020年沪深A股上市公司为研究样本，所使用的数字普惠金融数据来源于北京大学数字金融研究中心发布的数字普惠金融指数，为了使数字普惠金融指数和企业层面数据在数量级上保持一致，本文对所有指数进行取自然对数的处理，得到最终数据。上市公司的相关财务数据来自国泰安数据库（CSMAR）。为了使样本更具代表性，本文对数据进行如下处理：（1）剔除金融类企业的样本数据；（2）剔除时间区间内被ST、*ST的样本数据；（3）剔除财务数据缺失的样本数据。同时为消除离群值对结果的干扰，采用Winsorize方法，对全部连续变量按照1%和99%分位数进行缩尾处理。经过以上处理，最终得到13 686个年度观测值。

（二）变量选择与度量

1.被解释变量

根据Healy和Wahlen[ 21 ]对盈余管理的定义，可以将盈余管理理解为采用会计方法或者安排真实交易来改变公司账面业绩以误导利益相关者决策的一种手段。采用会计方法（政策、估计等）进行的盈余管理是应计盈余管理，它不会改变企业的真实交易活动，改变的只是企业不同时期盈余的分布；通过安排真實交易活动进行的盈余管理是真实盈余管理，将直接导致企业现金流量的改变。本文选择应计盈余管理（DA）衡量企业盈余管理水平，并作为被解释变量，选择真实盈余管理（REM）进行稳健性检验。对于应计盈余管理，本文采用修正的横截面Jones模型进行计算，如模型（1）所示：

（1）

式（1）中，TAit为第t年企业应计利润，由第t年的净利润减去第t年的经营现金净流量而得；Ait-1为企业第t-1年的资产总额；？驻REVit为企业第t年的营业收入变动额，由第t年营业收入减去第t-1年营业收入而得；？驻RECit为第t年应收账款变动额减去第t-1年应收账款变动额的差值；PPEit为企业第t年的固定资产净额，是固定资产原值减去累计折旧及固定资产减值准备的差值。对模型（1）进行分行业分年度的OLS回归，得到的残差项？着，即代表可操纵应计利润DAit，将其取绝对值后作为本文的被解释变量。

2.解释变量

本文将北京大学数字金融研究中心发布的数字普惠金融指数作为数字普惠金融的代理变量。该指数分覆盖广度、使用深度以及数字化程度三个维度。其中“覆盖广度”是指用户账户的覆盖率，“使用深度”衡量的是各类金融业务的实际使用情况，而“数字化程度”则表现在金融交易的低门槛和低成本等方面。数字化程度指数自2011年以来波动幅度较大，为保持研究结论的严谨性，本文参考廖婧琳等[ 6 ]的做法，仅采用数字普惠金融总指数（TIndex）、覆盖广度指数（Breadth）和使用深度指数（Depth）作为解释变量。

3.调节变量

（1）企业成长性（Growth）。本文选取营业收入增长率衡量企业的成长性，该指标值越大，表明企业营业收入的增长速度越快，企业市场前景越好，成长能力越强。

（2）企业投资机会（TQ）。本文选取托宾Q值衡量企业的投资机会，相对单一的财务指标，托宾Q值能够从市场和盈利两个维度衡量企业的投资机会，托宾Q值越大，企业面临的投资机会越多。

4.控制变量

考虑到相关企业层面数据可能对研究结果产生影响，本文对如下变量进行了控制：资产负债率（Lev）、企业规模（Size）、固定资产占比（PPE）、盈利能力（Roa）、现金流水平（Cash）、产权性质（Soe）、股权集中度（Top）、账面市值比（BM）。此外，本文还引入了行业虚拟变量（Ind）和年份虚拟变量（Year），以控制行业效应和年份效应。

变量定义及具体衡量方法如表1所示。

（三）模型构建

为了检验数字普惠金融发展对企业盈余管理的影响，本文构建了基准模型（2）：

其中，i表示企业，t表示年份。被解释变量DAit表示第i个企业第t年的盈余管理水平，解释变量Index表示当期的三类数字普惠金融指数，？琢0为模型中的常数项，？着it为模型中的随机误差，Controlsit为可能会影响企业盈余管理水平的一组控制变量。同时，该模型还控制了行业效应和年份效应。模型中核心解释变量Index的回归系数？琢1反映数字普惠金融对企业盈余管理的影响，根据本文的研究假设1，预期该回归系数显著为负值，即数字普惠金融的发展有利于缓解企业的盈余管理行为。

为了进一步检验企业成长性在数字普惠金融对企业盈余管理的影响关系中是否存在调节效应，本文构建了模型（3）：

模型（3）在基准模型（2）的基础上增加了数字普惠金融（Index）和企业成长性（Growth）的交乘项。根据本文的研究假设2，预期数字普惠金融与企业成长性的交乘项（Index×Growth）的系数？琢2显著小于0，即企业成长性越好，数字普惠金融对企业盈余管理的缓解效应越大。

同样地，为验证研究假设3，本文构建了模型（4）：

在该模型中，预期数字普惠金融和投资机会的交乘项（Index×TQ）的系数显著为负值，即企业面临的投资机会越多，数字普惠金融对企业盈余管理的缓解效应越大。

五、实证结果分析

（一）描述性统计

主要变量的描述性统计结果如表2所示。数字普惠金融总指数（TIndex）、覆盖广度指数（Breadth）、使用深度指数（Depth）的最大值与最小值之间存在明显的差异，说明不同年份、不同地区的数字普惠金融发展存在明显差距。对于企业盈余管理水平（DA），最大值为0.264，最小值为0.001，均值为0.046，说明不同企业的盈余管理水平显著不同。控制变量中，企业规模（Size）均值为7.926，最大值为11.350，最小值为4.934，表明企业规模大小不一。盈利能力（Roa）的最大值与最小值之间呈现了明显的两极分化，说明不同的企业在盈利能力方面存在一定的差距。固定资产占比（PPE）的最大值为0.701，最小值为0.002，中位数为0.203，说明企业的资产类型有所不同，但整体而言，企业的轻资产普遍偏多。从企业的资产负债率（Lev）数据来看，部分企业存在过度负债问题。但企业现金持有水平（Cash）之间的差异相对较小。股权集中度（Top）的中位数是58.885，说明企业的股权集中度相对较高。此外，账面市值比（BM）也存在较大差异，最大值高达1.156，最小值仅为0.121，反映了企业的经营能力差异较大。

（二）基准回归结果

为检验数字普惠金融对企业盈余管理的影响，本文对基准模型（2）进行回归，表3汇报了数字普惠金融指数、覆盖广度指数和使用深度指数对企业盈余管理水平的回归结果，每列回归均控制了年份效应和行业效应。实证结果显示，数字普惠金融总指数（TIndex）、覆盖广度指数（Breadth）、使用深度指数（Depth）的回归系数分别为-0.0093、-0.0058和-0.0087，且均在1%的水平上顯著，表明数字普惠金融的发展能够缓解企业的盈余管理行为。主要是由于数字普惠金融的发展弥补了传统金融模式的不足，有效抑制了上市公司采取盈余管理的方式粉饰业绩以提高融资能力的动机。这一结果印证了本文的研究假设1。

（三）内生性问题处理

本文选取的数字普惠金融属于宏观层面的变量，受到单个企业盈余管理行为的影响较小，即存在反向因果关系的可能性较小，但是为了研究结果的稳健性，本文选择工具变量法来缓解模型中可能产生的内生性问题。本文将数字普惠金融总指数、覆盖广度指数以及使用深度指数滞后一期作为工具变量，并采用两阶段最小二乘法（2SLS）进行检验，表4汇报了工具变量的回归结果。结果显示数字普惠金融总指数（TIndex）、覆盖广度指数（Breadth）、使用深度指数（Depth）的系数均为负值，且分别在1%或5%的水平上显著。说明在考虑了内生性问题后，数字普惠金融发展可以缓解企业盈余管理的结论依然成立，与基准回归结果不存在实质性差异。

（四）稳健性检验

与应计盈余管理相比，真实盈余管理具有较高的隐蔽性，不易被分析师追踪和监督，企业更倾向于通过销售操纵、生产操纵和费用操纵等手段进行真实盈余管理粉饰企业的财务业绩，以获取投资者或信贷机构的青睐。因此，本文通过异常现金流（CFOEM）、异常产品成本（PRODEM）、异常费用（DISXEM）构建一个综合的真实盈余管理指标（REM）替代企业的应计盈余管理，真实盈余管理的具体衡量方法由模型（5）计算得出。

REMit=PRODEMit-CFOEMit-DISXEMit  （5）

由此得到的真实盈余管理（REM）纳入模型（2）重新进行回归，检验本文的研究假设1是否依旧成立。稳健性检验结果如表5所示，数字普惠金融总指数（TIndex）、覆盖广度指数（Breadth）、使用深度指数（Depth）的系数分别在5%、10%、10%的水平上显著为负值，说明数字普惠金融的发展降低了企业的真实盈余管理水平，表明本文的研究假设1依然成立。

（五）调节效应分析

1.数字普惠金融、企业成长性与企业盈余管理

企业成长性差异化调节的回归结果如表6所示，数字普惠金融总指数（TIndex）、覆蓋广度指数（Breadth）、使用深度指数（Depth）与企业成长性（Growth）的交乘项系数分别在5%或10%的水平上显著为负，这一回归结果表明，企业的成长性越好，数字普惠金融发展对其盈余管理水平的缓解效应越大，由此本文的研究假设2得到验证。做进一步对比，在同等显著性水平下，数字普惠金融的使用深度指数与企业成长性交乘项（Depth×Growth）回归系数的绝对值要大于数字普惠金融总指数与企业成长性交乘项（TIndex×Growth）回归系数的绝对值，说明数字普惠金融的使用深度对高成长性企业盈余管理行为的制约效果更显著。数字普惠金融的使用深度是通过各类金融业务的实际使用情况来衡量的，可以看出，数字普惠金融推出的各类针对性金融产品的使用效果佳，更能够有效缓解金融资源在配置过程中的“阶段错配”，降低高成长性企业盈余管理的程度。

2.数字普惠金融、投资机会与企业盈余管理

表7给出了本文研究假设3的回归结果，数字普惠金融总指数（TIndex）、覆盖广度指数（Breadth）、使用深度指数（Depth）与投资机会（TQ）的交乘项系数分别为-0.0020、-0.0018、-0.0020，且均在5%的水平上显著，说明企业面临的投资机会越多，数字普惠金融对企业盈余管理的缓解效应越显著，本文的研究假设3得到验证。投资活动需要资金支持，企业面临的投资机会越多，资金需求越强烈，这会促使企业通过盈余管理策略进行融资，而数字普惠金融发展提高了金融资源配置效率，降低了企业融资的难度，进而弱化了企业盈余管理的动机，尤其是资金压力较大的高投资机会企业，其盈余管理程度会因数字普惠金融的发展大幅降低。

六、机制检验

（一）中介模型构建

数字普惠金融的发展在一定程度上改善了我国企业的融资环境。从数字普惠金融的角度分析，数字普惠金融发展降低了市场中的信息不对称，增加了金融服务的可得性，降低了交易成本，缓解了企业面临的融资约束。从企业盈余管理的角度分析，融资约束是企业进行盈余管理的重要原因，融资约束说明企业经营资金紧张，企业有强烈的资金需求，因此企业有较强的动机和意愿进行盈余管理，通过粉饰财务业绩向市场传递“有利”信号，释缓融资压力。那么，融资约束与数字普惠金融、盈余管理的关系均已得到理论验证，但融资约束是否在数字普惠金融对企业盈余管理的缓解效应中起到中介效应仍待进一步检验。

基于此，本文引入融资约束变量作为中介变量。在指标的选取上，采用SA指数衡量沪深A股上市公司融资约束的程度[ 22 ]。SA指数仅包含了企业资产规模数据和企业年龄数据两个外生企业变量，能够避免内生性问题，SA指数的测算如下所示：

其中Size代表企业规模，用企业总资产的自然对数值衡量；Age为企业年龄，即当年年份与企业成立年份的差值。由此公式计算出的SA指数取值为负，在本文实证研究中对该数值取绝对值，该数值越高，代表企业所面临的融资约束越强；该数值越低，代表企业所面临的融资约束越弱。在此基础上，本文借鉴温忠麟等[ 23 ]的中介效应检验程序，构建如下三个模型：

根据上述中介效应的检验程序，模型（7）检验的是数字普惠金融发展对企业盈余管理的影响，据上文分析可知？琢1应显著为负；模型（8）检验的是数字普惠金融发展对企业融资约束的影响，据相关文献预期？茁1显著为负，数字普惠金融发展能够优化金融市场环境，缓解企业面临的融资约束；模型（9）检验融资约束是否在数字普惠金融影响企业盈余管理水平的过程中起到中介作用，预期系数？酌1的绝对值小于系数？琢1的绝对值。

（二）中介效应分析

表8汇报了数字普惠金融总指数（TIndex）、覆盖广度指数（Breadth）、使用深度指数（Depth）对企业盈余管理（DA）的影响机制分析结果。表8中列（1）、（4）、（7）分别显示了三个解释变量对企业盈余管理的总效应系数，均在1%的显著性水平上为负值，说明数字普惠金融发展对企业盈余管理有显著的缓解效应。列（2）、（5）、（8）三个解释变量的系数均显著为负，说明数字普惠金融发展降低了企业的融资约束程度；列（3）、（6）、（9）三个解释变量的系数均为负值，且绝对值均小于列（1）、（4）、（7）中该系数的绝对值，说明融资约束（SA）在数字普惠金融发展与企业盈余管理水平之间起到了部分中介效应，且中介效应占总效应的比例分别为17.64%、16.58%、17.43%。综上，数字普惠金融的发展能够通过降低企业融资约束从而对企业盈余管理起到缓解作用。

七、结论与建议

（一）研究结论

企业健康持续发展是实现经济高质量增长的微观基础，因此研究企业盈余管理的缓解因素对于提升我国上市公司会计信息质量，促进企业高质量发展具有重要的现实意义。本文以2011—2020年沪深A股上市公司为研究对象，实证检验数字普惠金融发展对企业盈余管理行为的影响。研究结果表明：（1）数字普惠金融对企业盈余管理具有显著的负向影响，说明数字普惠金融的发展能够有效缓解企业的盈余管理行为。（2）进一步研究表明，企业成长性越好、面临的投资机会越多，数字普惠金融对企业盈余管理水平的缓解效应越显著。（3）融资约束在数字普惠金融缓解企业盈余管理的过程中起到了部分中介作用。数字普惠金融生态圈的构建优化了企业的融资环境，降低了企业面临的融资约束，企业融资问题的有效解决极大程度弱化了企业进行盈余管理的动机，显著减少了企业的盈余管理活动。

（二）政策建议

首先，应当进一步发展数字普惠金融，增强金融服务实体经济的能力。一是要加快大数据、云计算、区块链等技术与金融的深度融合，构建多元化金融服务业态，降低金融服务的门槛并延展其服务边界，从广度上缓解企业的融资困境；二是要推动数字普惠金融与产业发展的深度融合，强化金融资源在产业间的配置，实现金融资源在产业部门之间的高效流动，从而深层次缓解企业融资约束。

其次，应当依据企业特点实施差异化政策，发挥好数字普惠金融的“普惠”特征，要因企施策，为不同类型的企业以及不同发展阶段的企业提供适宜的支持政策。具体而言，重点支持成长性较好、投资机会较多的企业，这类企业价值创造能力强，盈利潜力大，但金融资源不足限制了其长远发展，因此要切实解决融资难题，加大数字普惠金融对其的支持力度。

最后，应当继续补充和完善第三方征信体系，优化资本市场环境。要充分发挥数字普惠金融在信用信息建设中的积极作用，建立健全多维度数据信息共享机制，促进信息的交换和共享，同时还要进一步完善相关法律法规，加大财务操纵的惩罚力度，提升企业财务信息的质量，促进多层次资本市场健康发展。

【参考文献】

［1］ 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）：1401-1418.

［2］ 郭靜怡，谢瑞峰.数字普惠金融、融资约束与环境敏感企业投资效率：基于1 173家上市企业面板数据［J］.金融理论与实践，2021（9）：51-61.

［3］ 万佳彧，周勤，肖义.数字金融、融资约束与企业创新［J］.经济评论，2020（1）：71-83.

［4］ 张晓燕，李金宝.数字普惠金融、融资约束与企业价值：基于中国2011—2018上市A股公司的经验数据［J］.金融发展研究，2021（8）：20-27.

［5］ 任晓怡.数字普惠金融发展能否缓解企业融资约束［J］.现代经济探讨，2020（10）：65-75.

［6］ 廖婧琳，胡妍，项后军.数字普惠金融发展缓解了企业融资约束吗：基于企业社会责任的调节效应［J］.云南财经大学学报，2020，36（9）：73-87.

［7］ GOMBER P，KAUFFMAN R J，PARKER C.On the fintech revolution：interpreting the forces of innovation， disruption， and transformation in financial services［J］.Journal of Management Information Systems，2018，35（1）：220-265.

［8］ LAEVEN L，LEVINE R，MICHALOPOULOS S. Financial innovation and endogenous growth［J］.Journal of Financial Intermediation，2015，24（1）：1-24.

［9］ 陈燊，邓春梅，陈汉文.融资约束、内部控制与盈余管理策略［J］.东南学术，2020（4）：147-156.

［10］ FRANZ D R，HASSABELNABY H R， LOBO G J.Impact of proximity to debt covenant violation on earnings management［J］.Review of Accounting Studies，2014，19（1）：473-505.

［11］ 李增福，黄华林，连玉君.股票定向增发、盈余管理与公司的业绩滑坡：基于应计项目操控与真实活动操控方式下的研究［J］.数理统计与管理，2012，31（5）：941-950.

［12］ 逯东，万丽梅，杨丹.创业板公司上市后为何业绩变脸？［J］.经济研究，2015，50（2）：132-144.

［13］ 徐朝辉，周宗放.融资需求驱动下的盈余管理对公司信用风险的影响研究［J］.管理评论，2016，28（7）：12-21.

［14］ 孙光国，刘爽，赵健宇.大股东控制、机构投资者持股与盈余管理［J］.南开管理评论，2015，18（5）：75-84.

［15］ 任宏达，王琨.产品市场竞争与信息披露质量：基于上市公司年报文本分析的新证据［J］.会计研究，2019（3）：32-39.

［16］ DEMERTZIS M，MERLER S，WOLFF G B. Capital markets union and the fintech opportunity［J］.Narnia，2018，4（1）：157-165.

［17］ DUARTE J，SIEGEL S，YOUNG L.Trust and credit：the role of appearance in peer-to-peer lending［J］.The Review of Financial Studies，2012，25（8）：2455-2483.

［18］ 唐松，伍旭川，祝佳.数字金融与企业技术创新：结构特征、机制识别与金融监管下的效应差异［J］.管理世界，2020，36（5）：52-66.

［19］ 彭韶兵，黄益建，赵根.信息可靠性、企业成长性与会计盈余持续性［J］.会计研究，2008（3）：43-50，96.

［20］ 谢志明，易玄，唐剑丽.投资机会、审计师选择与盈余管理：来自中国上市公司的检验［J］.系统工程，2012，30（4）：100-105.

［21］ HEALY P M，WAHLEN J M.A review of the earnings management literature and its implications for standard setting［J］.Accounting Horizons，1999，13（4）：365-383.

［22］ HADLOCK C J，PIERCE J R.New evidence on measuring financial constraints：moving beyond the KZ index［J］.The Review of Financial Studies，2010， 23（5）：1909-1940.

［23］ 温忠麟，张雷，侯杰泰，等.中介效应检验程序及其应用［J］.心理学报，2004（5）：614-620.