数字金融发展与企业商业信用使用：事实分析与机制检验.pdf

2023年第8期(总第529期)金融理论与实践摘要：快速发展的数字金融在冲击传统金融的同时，对企业决策也产生着重要影响。商业信用作为企业决策的重要方面，是否会受到数字金融发展的影响？这个问题值得探讨，对此，以20112021年中国上市公司为研究样本，实证检验了数字金融发展对企业商业信用使用的影响及内在机理。研究发现：数字金融发展降低了企业的商业信用融资需求和商业信用供给，该作用主要体现在数字金融覆盖广度上。进一步研究发现，数字金融具有“普惠性”特征，显著影响了中西部地区企业和民营企业的商业信用决策。机制分析结果表明，数字金融发展通过降低信息不对称和缓解融资约束分别影响商业信用的供给与融资需求。研究结论对进行商业信用决策管理具有借鉴意义。关键词：数字金融；商业信用；融资性动机；质量保证动机文章编号：1003-4625（2023）08-0013-09中图分类号：F832文献标识码：A刘廷华，刘伟亚，胡孟元（山东理工大学 经济学院，山东 淄博 255000）数字金融发展与企业商业信用使用：事实分析与机制检验收稿日期：2023-03-07基金项目：本文为国家社会科学基金项目“数字经济下商业信用影响实体经济高质量发展的微观机理研究”（21BJL035）的阶段性成果。作者简介：刘廷华（1983），女，山东日照人，博士，副教授，研究方向为公司金融；刘伟亚（1997），女，山东菏泽人，硕士，研究方向为公司金融；胡孟元（1996），女，山东枣庄人，硕士，研究方向为公司金融。一、引言我国正处在经济发展转型的关键时期，商业信用作为非正规金融的重要组成部分，对企业经营和经济高质量发展具有现实意义。商业信用是指在商品交易中由于延期付款或预收货款所形成的企业间的借贷关系，既能作为银行信贷的替代性融资工具，缓解企业融资约束，也能作为企业提高销售收入的经营手段1。然而，若企业过度依赖商业信用，可能对企业经营绩效和金融体系造成负面影响。一方面，Fewings（1992）2指出企业间使用商业信用会形成一条条马尔科夫支付链，支付链上任一企业出现危机都会导致整个供应链条崩溃。另一方面，企业提供商业信用意味着要以牺牲自身营运资金为代价，而承担资金成本不利于企业自身发展。近年来，商业承兑汇票存在的兑付困难问题引起社会各界广泛关注，如何防范和规避由商业信用累积造成的隐形债务风险问题，成为实体企业稳定发展亟须解决的问题。数字金融作为一种新型金融模式，能否改变大多数企业过度依赖商业信用的状况，正是本文要探究的主要问题。随着互联网的普及以及数字技术的应用，数字金融作为一种新兴金融创新发展迅速3。数字金融是指传统金融机构与互联网公司利用数字技术实现融资、支付、投资等功能的新型金融服务模式4，能够有效缓解企业与银行等传统金融机构间的信息不对称问题，提升金融信息服务的渗透性和普及性，缓解传统金融下的资金错配，进而提升企业的银行信贷资金可得性，盘活市场中的金融资源。已有文献研究了数字金融发展对企业商业信用使用的影响，但并未形成共识。商业信用融资需求方面，部分学者认为数字金融发展增加了企业的商业信用融资需求。例如，数字金融发展能够利用数字技术高效分析企业信息，缓解信息不对称问题，增加企业的商业信用融资需求5。相反地，陈廉等（2021）6认为数字数字金融发展与企业商业信用使用：事实分析与机制检验132023年第8期(总第529期)金融理论与实践金融的发展提高了企业的银行融资需求，降低了企业的商业信用融资需求。商业信用供给方面，钟凯等（2022）7基于商业信用供给的融资属性，发现数字普惠金融降低了企业的商业信用供给。已有研究证明了数字金融发展对企业商业信用使用的影响，但该领域研究还存在以下不足。首先，已有研究仅从商业信用融资需求或供给的单一角度探究数字金融发展对企业商业信用使用的影响。然而，在产业链供应链的生产和销售环节，企业获得和提供商业信用都是一种非常普遍的贸易行为。例如，在产品生产过程中，基于库存成本、风险规避以及盈利能力的考虑，企业会权衡应收账款和应付账款的数量和期限。更为重要的是，商业信用融资需求和商业信用供给具有不同的功能，商业信用融资具有融资功能，而商业信用供给在企业生产经营中更多地发挥经营作用，这可能会影响数字金融发展对商业信用融资需求和供给的作用路径。因此，有必要从融资需求和供给两个角度探究数字金融发展对企业商业信用使用的影响。其次，在对商业信用供给的现有研究中，学者从商业信用供给的融资角度出发来探究数字金融发展的影响，而产品质量保证动机作为企业商业信用供给的主要动机之一，数字金融发展能否影响商业信用供给动机进而影响商业信用供给，有待进一步研究。本文边际贡献有以下几方面。第一，丰富和拓展了数字金融的经济后果和商业信用使用影响因素的相关文献研究，为深入理解数字金融如何影响企业商业信用使用提供了经验证据。本文综合考虑商业信用的供给和融资需求，从双重视角出发探讨数字金融对商业信用的影响，这不仅从地区金融发展水平层面丰富了商业信用影响因素的相关研究，也丰富了数字金融发展对微观企业决策的研究。第二，本文将信息不对称效应和融资约束效应纳入分析框架，为准确理解数字金融通过降低信息不对称程度和缓解融资约束进而影响企业商业信用使用提供了系统性证据，为理解和评估数字金融经济效应提供了新思路。第三，在既有研究的基础上加深了对数字金融作用商业信用的理解。本文研究结论为防范和规避商业信用风险、优化和完善数字金融政策以及实现经济高质量发展提供了有价值的借鉴。二、理论分析与研究假设（一）数字金融发展对商业信用融资需求的影响首先，数字金融提升了银行贷款可得性。在数字技术的支持下，数字金融能够快速、高效地收集和处理企业结构化和非结构化的信息，增强企业信息透明度，有效降低银企间信息不对称程度，提高银行等金融机构的客户识别能力，减少资金错配8，提升银行贷款的可得性7,9-10。与此同时，大量研究表明，非正规金融与正规金融存在明显的替代关系，银行等金融机构贷款可得性的提高降低了企业融资约束程度，商业信用的替代性融资效应减弱，进而削弱企业对商业信用的融资需求11-12。因此，数字金融发展能够提升银行贷款可得性，进而降低企业对商业信用融资的需求6。其次，数字金融能够有效降低信贷融资成本。已有研究表明企业使用商业信用要支付保险溢价和违约溢价，其价格成本高于银行信贷13-14。在数字金融背景下，大数据、云计算、区块链等技术的运用加速了传统金融机构的数字化进程，提升了银行等金融机构的服务效率与服务质量，从而为降低企业融资成本提供了可能。比如，以数字技术为基础构建的客户征信系统能够简化商业银行的信贷审查流程，缩短信贷审批时间，提高融资借贷审查效率，高效率收集、处理企业交易数据的优势有助于提高商业银行对企业信用风险的识别能力。可以看出，数字金融的发展在很大程度上优化了传统金融机构的授信流程，不仅可以改善企业面临的融资约束问题，而且降低了企业融资的费用15。更为重要的是，数字金融依靠技术支撑具有边际成本低的特点，有效降低了金融服务门槛和进入成本，即参与数字金融服务的企业越多，服务的平均成本越低，企业的融资成本也就越低6,10。因此，企业对融资成本较高的商业信用融资的需求降低7,11。综上所述，银行贷款的可得性的提升以及融资成本的降低有效缓解了企业融资约束问题，进而降低企业对商业信用融资的需求。基于上述分析，本文提出研究假设1。假设1：数字金融发展能够缓解企业融资约束，进而降低商业信用融资需求。（二）数字金融对商业信用供给的影响产品质量保证16-18是企业提供商业信用进而扩大市场份额的重要动机之一。产品质量信息在供应商和客户之间不对称问题容易导致企业间的逆向选择行为。因此，企业往往会采取延期付款的行为向客户销售货物，当商品出现质量问题时，客户可以拒付货款，从而避免了一些无谓的交易成本。在数字金融观察142023年第8期(总第529期)金融理论与实践金融背景下，银行等金融机构通过数字技术赋能提高了信息搜集、处理以及高效整合的能力，有效解决了信息不对称问题，增强了企业间的信任度，进而削弱了企业为了保证产品质量而提供商业信用的动机。一方面，数字金融具有动态风险管控优势，可以运用技术手段提高企业违约风险预测的准确性，并且存储于区块链中的数据或信息具有不可伪造、公开透明和可以追溯等特征，即使在企业发生违约时也能使资金提供者追溯其资产，减少损失19。另一方面，数字金融发展增加了企业的违规成本，提高了企业的信息披露质量20，增强企业信息透明度，改善供应商、客户与企业间的信任环境，进而降低信息不对称问题。总之，数字金融发展有助于解决企业信息不对称问题21。因此，数字金融发展降低了企业的信息不对称程度，有助于合作企业获取更多有关产品质量的信息，进而削弱企业通过产品质量保证的方式缓解双方信息不对称的动机，推动企业减少商业信用供给。故本文提出如下假设。假设 2：数字金融发展能够减少信息不对称程度，进而降低企业的商业信用供给。三、研究设计（一）数据来源本文以 20112021年中国上市公司为研究样本，将上市公司财务数据与城市层面数字普惠金融发展数据相匹配构建面板数据，研究数字金融发展对企业商业信用使用的影响。其中，财务数据来源于国泰安数据库（CSMAR），数字金融指标数据来源于北京大学数字金融研究中心发布的 北京大学数字普惠金融指数（20112021），最终控制人变量来源于CCER数据库。在实证检验前，本文对获取的样本进行了如下处理：（1）剔除金融类企业和房地产企业；（2）剔除PT、ST、*ST交易状态的公司样本；（3）为消除极端异常值的影响，对连续变量进行1%缩尾处理，最终得到4165家上市公司，共计30139个样本观测值。（二）变量测量1.被解释变量：商业信用商业信用融资需求（AP）指标的选取参考刘廷华（2021）22的研究方法，使用应付票据、应付账款与预收账款三者之和衡量，并用总资产进行标准化；商业信用供给（AR）使用应收票据、应收账款和预付账款三者之和与总资产之比度量23。2.核心解释变量：数字金融（Fin）本文采用“中国数字普惠金融指数”作为数字金融的代理变量，该指标样本涵盖了各省、区、市，能够有效度量我国数字金融的发展情况24。同时选取覆盖广度（B）、使用深度（D）和数字化程度（S）和省级数字普惠金融指标进行稳健性检验。为统一量纲，对所使用的数字普惠金融数据均进行了对数化处理。3.机制变量：信息不对称（Grade）和融资约束（SA）信息不对称变量（Grade）借鉴周振江等（2021）21的研究思路，使用国泰安数据库中的“上市公司透明度”指标进行衡量。信息透明度是一个等级指标，具体分为A、B、C、D四个等级，等级A表示上市公司透明度高，等级 B、C、D 表明公司信息透明度依次递减，即等级（A到D）越高，表明上市公司信息透明度越低，信息披露质量越低，信息不对称程度越严重。本文在回归中进行了赋值处理25，使等级A对应于Grade值4，等级D对应于Grade值1，最终，得到的企业Grade值越大，信息不对称程度就越低。融资约束指标的衡量采用 Hadlock 和 Pierce（2010）26构造的SA指数，并将计算出的SA取绝对值回归27，绝对值越大表明企业面临的融资约束越强。SA指数的衡量方法如公式1，其中Size1是以百万单位计量得到的企业规模，Age为企业年龄。SA=(-0.737*Size1)+(0.043*Size1*Size1)-(0.040*Age)（1）4.控制变量为减少遗漏变量导致的结果偏误，本文参考文建奇（2011）28、俞鸿琳（2013）29对商业信用的研究方法，选取如下变量：（1）企业年龄（Age），从企业成立年份开始计算，采用企业年龄的对数来衡量；（2）资产收益率（Roa），采用净利润占总资产的比例来衡量；（3）现金流（Cash），采用经营活动产生的现金流量净额占总资产的比例来表示；（4）银行信用（Bank），采用企业获得的短期借款与总资产的比值来表示；（5）企业规模（Size），采用企业总资产的对数值来表示。主要变量的描述性统计见表1。（三）模型设定本文借鉴钟凯等（2022）7的研究方法，使用模型（2）和模型（3）检验数字金融发展对企业商业信用使用的影响。数字金融发展与企业商业信用使用：事实分析与机制检验152023年第8期(总第529期)金融理论与实践表1主要变量的描述性统计变量APARFinBDSAgeSizeRoaCashBank样本量1994125129301393013830139301393012030139301393013926044平均值0.1720.1885.3805.3835.3575.3772.87722.0510.0400.0490.100标准差0.1180.1230.4150.4000.4240.5670.3401.3380.0700.0700.098最小值0.0030.0034.0174.0124.0063.0841.79219.127-0.368-0.1980最大值0.5500.5655.8625.8915.8585.8193.52627.1800.2140.2500.432APcit=0+1Fincit+2Xcit+City+Year+Industry+cit（2）APcit=0+1Fincit+2Xcit+City+Year+Industry+cit（3）为检验假设 3，设定模型（4）和模型（5）进行实证分析：AP(AR)cit=0+1Mcit+2Xcit+City+Year+Industry+cit（4）AP(AR)cit=0+1Mcit+2Finct+3Mcit*Finct+4Xcit+City+Year+Industry+cit（5）公式（2）公式（5）中，下标c表示城市，i表示企业个体，t表示年份；因变量AP、AR分别表示企业的商业信用融资需求和商业信用供给；核心解释变量Fin为城市层面的数字普惠金融指数，用于衡量数字金融发展水平；X为所使用的一系列控制变量；M为选取的机制变量，具体为信息不对称（Grade）和融资约束（SA）；City、Year和 Industry表示回归中控制了城市固定效应、年份固定效应和行业固定效应，cit为误差项；另外，本文在回归时还采用了公司层面的聚类稳健标准误。四、实证检验结果分析（一）基准回归分析1.相关性分析由表 2可知，变量间的相关系数均小于 0.5，处于较低水平，且表3中各变量间的VIF值均不超过10，VIF均值小于2。上述分析说明本文回归分析并不存在严重的多重共线性问题，实证模型设置合理。2.基础回归结果本文研究了数字金融发展对企业商业信用使用的总体影响，结果如表4所示。其中，列（1）和列（2）为仅控制城市、行业和年份固定效应的回归结果，列（3）和列（4）为进一步纳入控制变量的回归结果。具体来看，列（3）中，Fin的系数在5%的水平上显著为负，这说明数字金融发展降低了企业的商业信用融资需求，假设1得到验证，该结果与陈廉等（2021）6的研究相符。对此可能的解释是，数字金融发展提高了银行等金融机构的金融供给水平，增加了企业的融资来源，因此，企业的商业信用融资需求降低。列（4）中，Fin的回归系数在1%水平上显著为负，即数字金融发展降低了企业的商业信用供给，验证了假设 2，本文结果与钟凯等（2022）7的研究结论相同，但其中的内在机理不同。具体而言，钟凯等（2022）7的研究结果更多地揭示出企业的商业信用供给是为了给供应商和客户提供融资支持，而本文研究结论更多地反映数字金融发展影响了商业信用表2相关性检验结果变量APARFinAgeRoaCashSizeBankAP1.0000.389*0.085*0.066*-0.117*-0.060*0.180*0.044*AR1.0000.075*-0.060*0.005-0.249*-0.161*0.078*Fin1.0000.339*-0.010*0.076*0.093*-0.041*Age1.000-0.104*0.018*0.164*0.086*Roa1.0000.396*-0.040*-0.295*Cash1.0000.082*-0.194*Size1.0000.105*Bank1.000注：*、*、*分别表示在10%、5%和1%水平上显著。金融观察162023年第8期(总第529期)金融理论与实践供给的质量保证动机，进而降低了企业的商业信用供给。上述结果表明，数字金融发展降低了企业对商业信用的依赖程度，一定程度上能够降低系统性支付风险，增强金融稳定性。因此，可加大数字金融的发展力度。表3变量的方差膨胀因子变量FinAgeRoaCashSizeBankMean VIFAP1.181.181.231.161.091.151.16AR1.181.181.231.171.081.141.16（二）稳健性检验1.替换核心解释变量为进一步研究数字金融对商业信用的影响，分析数字金融哪些层面的发展对商业信用的影响更显著，本部分借鉴马述忠和胡增玺（2022）30等学者的做法，选取数字金融一级指标覆盖广度（B）、使用深度（D）和数字化程度（S）进行回归分析，分析结果见表5。表5结果显示，覆盖广度、使用深度和数字化程度对商业信用融资需求和商业信用供给均表现为显著负效应。进一步比较系数和显著性后发现，覆盖广度对商业信用的影响最大，反映出数字金融主要通过扩大金融机构的服务触达能力来实现对商业信用的影响。另外，目前尚处于由传统金融向数字化转型的过渡时期，数字化基础设施建设不够完善，总体数字化水平不高31-32，数字金融的数字化功能并没有充分显现，因而对商业信用的影响较小。表4数字金融发展对商业信用影响的回归结果变量FinAgeSizeRoaCashBank_consYearCityIndustryNR2（1）AP-0.056*（0.02）0.466*（0.10）YesYesYes199390.219（2）AR-0.082*（0.02）0.624*（0.10）YesYesYes251240.155（3）AP-0.043*（0.02）0.011*（0.00）0.017*（0.00）-0.212*（0.02）0.030*（0.01）-0.043*（0.01）0.012（0.10）YesYesYes187620.264（4）AR-0.090*（0.02）-0.014*（0.00）-0.014*（0.00）0.208*（0.01）-0.398*（0.01）0.132*（0.01）1.008*（0.10）YesYesYes225170.239注：括号内为聚类稳健标准误，*、*、*分别表示在10%、5%和1%水平上显著，下同。表5数字金融一级指标对商业信用影响的回归结果变量BDS_consXYearCityIndustryNR2（1）AP-0.009*（0.00）-0.174*（0.02）YesYesYesYes214260.253（2）AP-0.004*（0.00）-0.190*（0.02）YesYesYesYes214270.253（3）AP-0.004*（0.00）-0.194*（0.01）YesYesYesYes214270.253（4）AR-0.049*（0.01）0.759*（0.07）YesYesYesYes252520.270（5）AR-0.033*（0.01）0.592*（0.07）YesYesYesYes179820.232（6）AR-0.022*（0.01）0.506*（0.05）YesYesYesYes205040.215数字金融发展与企业商业信用使用：事实分析与机制检验172023年第8期(总第529期)金融理论与实践2.改变样本样本差异也可能会对结果造成偏误，对此，本文通过改变样本来检验结果的稳健性。首先，由于直辖市可能具有资源比较集中、经济发展质量较高等特点，其特有的经济优势可能会对本文结果产生一定偏误，故剔除直辖市样本重新回归分析33，结果见表6的列（1）和列（2）；其次，为避免解释变量的不同度量方式会对研究结果造成偏误，故使用省级数字金融数据作为解释变量进行回归分析，结果见表6的列（3）和列（4）。以上回归结果显示，数字金融对商业信用的影响没有发生变化，研究结果具有较好的稳健性。表6改变样本的回归结果变量Fin_consXYearCityProvinceIndustryNR2（1）剔除直辖市AP-0.040*（0.02）-0.001（0.11）YesYesYesYes151500.271（2）AR-0.083*（0.02）0.940*（0.11）YesYesYesYes181060.249（3）省级数字金融AP-0.028*（0.01）-0.071（0.05）YesYesYesYes198580.208（4）AR-0.044*（0.01）0.766*（0.05）YesYesYesYes238530.1953.内生性检验数字金融为宏观层面的数据，商业信用为微观层面的数据，两者基本不存在“反向因果”问题。但可能会存在由“遗漏变量”和“测量误差”导致的内生性问题，给本文研究结论造成估计偏差，故本阶段将使用2SLS回归进行检验，结果见表7。工具变量的选取借鉴傅秋子和黄益平（2018）34、崔耕瑞（2022）35以及钱海章等（2020）36的研究方法，使用该地级市到杭州市的距离（Distance）、数字金融的滞后二阶（L2.Fin）和各城市1984年人均邮电业务数量与数字金融平均值的乘积（You）等变量作为数字金融的工具变量为统一量纲，对所选取的距离变量（Distance）进行对数化处理。其中，选择各城市1984年人均邮电业务量的原因是，数字金融发展依赖于互联网技术，而互联网的应用又源于电话普及，且邮局是开设固定电话的部门，因此，邮电量在一定程度上影响了数字金融发展，满足相关性要求。此外，历史上的邮电业务量对目前企业商业信用的使用几乎没有影响，满足外生性要求。但因为本文为面板数据，若只选取1984年人均邮电业务量截面数据无法进行计量分析，为此，借鉴Nunn和Qian（2014）37的研究方法，本文构造了各城市1984年人均邮电业务数量与当年数字金融发展平均值（随时间变化的变量）的交互项作为数字金融的工具变量。列（1）和列（3）为第一阶段回归结果，结果显示选取的工具变量与数字金融之间呈现显著的相关关系，并且LM的结果表明不存在识别不足问题，F值远大于15%临界值（11.59），这表明不存在弱工具变量问题。同时Sargan检验的P值表明，应该接受不存在过度识别的原假设。综合上述检验数据可得，本文所选的工具变量合理。同时列（2）和列（4）的第二阶段结果显示，在控制内生性问题后，数字金融对商业信用的回归结果与基准回归结果相同。表7工具变量法检验结果变量YouL2.FinDistanceFinXLM statisticF statisticSarganstatisticNR2（1）Fin0.010*（0.00）0.299*（0.00）Yes5331.82（0.00）5440.00（11.59）0.602（0.438）12768（2）AP-0.024*（0.01）Yes127680.029（3）Fin0.013*（0.00）-0.083*（0.02）Yes45.80（0.00）22.95（11.59）0.023（0.879）20779（4）AR-0.159*（0.05）Yes20779-0.229注：F统计量括号内报告15%临界值，LM和Sargan括号内报告P值。（三）异质性检验1.划分东部、中西部地区东部和中西部地区的数字金融发展相差较大，金融观察182023年第8期(总第529期)金融理论与实践从而会对商业信用产生不同程度的影响，因此划分区域样本研究就显得很有必要，并可验证其是否真正有效发挥了“普惠性”“包容性”特征。表 8中列（1）列（4）为划分地区的回归结果。由列（1）和列（3）结果可知，相较于东部地区，数字金融发展对中西部地区企业的商业信用融资需求的负向影响更加明显。引起这种现象的原因可能是数字金融能够利用数字技术跨越时空限制，降低金融服务门槛，扩大服务范围，有效发挥对中西部偏远地区的金融覆盖，发挥其普惠性特征38。列（2）中，Fin的系数显著为负，表明数字金融发展显著降低了中西部地区企业的商业信用供给，符合预期。具体原因可能在于，数字金融利用数字技术促进中西部地区企业间增强信息交流，降低了信息不对称，因而降低了中西部地区企业的商业信用供给。列（4）中 Fin的系数虽为负但不显著，即数字金融发展对东部地区企业的商业信用供给的影响并不明显。2.区分所有权国有企业与民营企业面临不同程度的信息不对称和融资约束问题，对商业信用的使用存在一定的异质性。因此，进一步划分了企业所有权性质来研究数字金融对商业信用的影响差异，结果如表8中列（5）列（8）所示。列（5）和列（7）结果显示，数字金融发展对民营企业的商业信用融资需求的负向影响更显著。上述现象可归因于，民营企业规模较小，缺乏足够的资产进行抵押，再加上信息记录少、信息披露不完整，与银行间的信息不对称程度较高，融资约束程度较大，因而，数字金融发展拓宽企业融资渠道、优化融资环境的效果相对国有企业来说更好。列（6）和列（8）显示，数字金融降低了民营企业、国有企业的商业信用供给，进一步比较系数后发现，这一影响在民营企业样本中的表现更加明显。这是因为数字金融发展降低民营企业信息不对称的效果更明显，从而对降低民营企业的商业信用供给的作用更大。（四）影响机制检验表9报告了数字金融发展对企业商业信用使用的作用途径。从列（1）中可以看出，SA的回归系数显著为正，即企业融资约束程度越高，对商业信用的融资需求越高，符合理论基础。列（2）中，交互项（Fin*SA）的系数在 5%水平上显著为负，表明数字金融发展使得融资约束较大的企业的商业信用融资需求越低，即数字金融发展通过缓解融资约束来影响商业信用融资需求。列（3）结果显示，Grade的系数显著为负，表明信息透明度的提高、信息不对称程度的降低显著抑制了企业的商业信用供给，符合预期。列（4）中，交互项（Fin*Grade）的系数显著为正，Grade值越小，信息不对称问题越严重，数字金融发展降低商业信用供给的效果越大，即数字金融发展通过降低信息不对称程度影响企业的商业信用供给。表8数字金融发展影响商业信用的异质性回归结果变量Fin_consXYearCityIndustryNR2（1）中西部地区AP-0.071*（0.03）0.045（0.15）YesYesYesYes69690.308（2）AR-0.117*（0.03）1.102*（0.15）YesYesYesYes82270.258（3）东部地区AP-0.040（0.03）0.061（0.16）YesYesYesYes117930.248（4）AR-0.039（0.03）0.767*（0.16）YesYesYesYes142900.231（5）国有企业AP0（0.03）-0.149（0.16）YesYesYesYes72450.388（6）AR-0.078*（0.03）0.830*（0.15）YesYesYesYes81480.331（7）民营企业AP-0.077*（0.02）0.254*（0.13）YesYesYesYes105050.266（8）AR-0.092*（0.03）1.003*（0.14）YesYesYesYes125250.229数字金融发展与企业商业信用使用：事实分析与机制检验192023年第8期(总第529期)金融理论与实践表9影响机制回归结果变量FinSAGradeFin*SAFin*Grade_consXYearCityIndustryNR2（1）AP0.083*（0.01）-0.482*（0.04）YesYesYesYes187620.267（2）AP-0.040*（0.02）0.076*（0.01）-0.054*（0.02）-0.239*（0.11）YesYesYesYes187620.267（3）AR-0.003*（0.00）0.510*（0.02）YesYesYesYes157610.238（4）AR-0.082*（0.02）-0.003*（0.00）0.008*（0.00）0.945*（0.13）YesYesYesYes157610.238五、结论与建议本文利用 20112021年城市数字金融数据与中国上市企业数据，探究了数字金融发展对商业信用的影响。研究发现：第一，数字金融发展降低了企业的商业信用融资需求，同时也降低了企业的商业信用供给，且在替换变量、改变样本以及控制内生性问题后得到一致的结论；第二，数字金融发展对商业信用的影响存在明显的结构性差异，其中，覆盖广度影响商业信用效果最为明显；第三，数字金融发展对商业信用的影响存在明显的地区差异和所有权差异，中西部地区企业和民营企业的商业信用决策对数字金融反应更敏感；第四，影响机制的结果表明，数字金融发展通过降低信息不对称渠道实现对商业信用供给的影响，通过缓解融资约束渠道影响商业信用融资需求。根据上述研究结论，本文提出以下对策建议。第一，进一步加大对数字金融发展的重视程度，完善其体系。数字金融有效解决了信息不对称问题，增加了企业融资来源，降低了融资成本，进而减轻了企业对商业信用的过度依赖。数字金融发展为企业融资提供了另外一种融资选择，使得企业不必再过度依赖于商业信用融资，企业可以根据自身生产经营情况灵活使用数字金融和商业信用的融资模式，企业多元化的融资方式对增强供应链金融稳定性具有重要意义。因此，应重视数字金融发展。在发展数字金融时，政府应发挥引导作用，进一步促进金融机构与数字技术的有机融合，加大数字金融服务的使用力度，提高金融发展的数字化水平，促进数字金融全面均衡发展，有效服务实体经济。第二，企业应灵活调整商业信用决策，提高风险承担能力。在数字金融发展背景下，商业信用的替代性融资动机和质量保证动机均减弱，企业可以通过缩短商业信用的期限或金额以防范其支付风险，尤其是中西部地区企业和小企业。此外，企业要加强自身信用建设，提高对外披露信息的质量，促进商业信用的健康使用。供应链企业间也要加强合作，以充分了解上下游企业的生产、销售信息，提高契约质量，避免产生信用风险，从而促进供应链上企业的可持续发展。参考文献：1张会丽，王开颜.行业竞争影响企业商业信用提供吗来自中国A股资本市场的经验证据J.中央财经大学学报，2019（2）：64-73.2Fewings D R.Trade Credit as A Markovian De-cision Process with an Infinite Planning Horizon J.Quarterly Journal of Business&Economics,1992,31(4):51-79.3王喆，陈胤默，张明.传统金融供给与数字金融发展：补充还是替代基于地区制度差异视角J.经济管理，2021，43（5）：5-23.4黄益平，黄卓.中国的数字金融发展：现在与未来J.经济学（季刊），2018，17（4）：1489-1502.5李永奎，刘晓康.市场力量与政府作用：数字金融促进企业创新的机制探究J.西部论坛，2022，32（3）：46-62.6陈廉，易露，陈强.数字金融、中小企业债务融资与债权人异质性J.贵州财经大学学报，2021（5）：53-60.7钟凯，梁鹏，董晓丹，王秀丽.数字普惠金融与商业信用二次配置J.中国工业经济，2022（1）：170-188.8赵芮，曹廷贵.数字金融发展有助于企业去金融观察202023年第8期(总第529期)金融理论与实践杠杆吗J.现代经济探讨，2022（1）：71-82.9盛天翔，范从来.金融科技、最优银行业市场结构与小微企业信贷供给J.金融研究，2020（6）：114-132.10陈旭，赵全厚.数字金融对企业正规融资影响：挤出还是促进基于企业成本微观调研数据J.经济体制改革，2022（2）：180-186.11孔东民，李海洋，杨薇.定向降准、贷款可得性与小微企业商业信用基于断点回归的经验证据J.金融研究，2021（3）：77-94.12陈胜蓝，马慧.贷款可获得性与公司商业信用中国利率市场化改革的准自然实验证据J.管理世界，2018，34（11）：108-120+149.13Cunat V.Trade Credit:Suppliers as Debt Col-lectors and Insurance Providers J.Review of FinancialStudies,2007,20(2):491-527.14朱世香，张顺明.商业信用对银行信用的替代研究J.经济经纬，2017，34（5）：147-152.15李志军，杨秋萍.数字金融与企业金融化J.云南财经大学学报，2021，37（12）：52-70.16Long S M,Malitz B I,Ravid A S.Trade Credit,Quality Guarantees,and Product Marketability J.Fi-nancial Management,1993,22(4):117-127.17Smith J K.Trade Credit and InformationalAsymmetry J.The Journal of Finance,1987,42(4):863-872.18Lee W Y,Stowe D J.Product Risk,Asymmet-ric Information,and Trade Credit J.Journal of Finan-cial and Quantitative Analysis,1993,28(2):285-300.19王相宁，刘肖.金融科技对中小企业融资约束的影响J.统计与决策，2021，37（13）：151-154.20李小玲，崔淑琳，赖晓冰.数字金融能否提升上市企业价值理论机制分析与实证检验J.现代财经（天津财经大学学报），2020，40（9）：83-95.21周振江，郑雨晴，李剑培.数字金融如何助力企业创新基于融资约束和信息约束的视角J.产经评论，2021，12（4）：49-65.22刘廷华.商业信用对企业技术创新的影响研究M.北京：中国社会科学出版社，2021.23陈胜蓝，刘晓玲.经济政策不确定性与公司商业信用供给J.金融研究，2018（5）：172-190.24郭峰，王靖一，王芳，孔涛，张勋，程志云.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）：1401-1418.25李炳念，王小雪，章辉.债市信用评级为何加剧股价崩盘风险基于过度杠杆冲击视角的解释J.南开经济研究，2022（6）：147-163.26Hadlock J C,Pierce R J.New Evidence onMeasuring Financial Constraints:Moving Beyond theKZ Index J.The Review of Financial Studies,2010,23(5):1909-1940.27黄锐，赖晓冰，赵丹妮，汤子隆.数字金融能否缓解企业融资困境效用识别、特征机制与监管评估J.中国经济问题，2021（1）：52-66.28文建奇.商业信用影响因素研究J.统计与决策，2011（5）：174-175.29俞鸿琳.关系网络、商业信用融资与民营企业成长J.经济科学，2013（4）：116-128.30马述忠，胡增玺.数字金融是否影响劳动力流动基于中国流动人口的微观视角J.经济学（季刊），2022，22（1）：303-322.31张超，钟昌标，杨佳妮.数字金融对实体企业高质量发展的影响研究基于浙江的实证J.华东经济管理，2022，36（3）：63-71.32马连福，杜善重.数字金融能提升企业风险承担水平吗J.经济学家，2021（5）：65-74.33李彦龙，沈艳.数字普惠金融与区域经济不平衡J.经济学（季刊），2022，22（5）：1805-1828.34傅秋子，黄益平.