数字金融赋能商业信用：融资约束视角下的作用机制与实证检验

数字金融赋能商业信用：融资约束视角下的作用机制与实证检验一、引言1.1研究背景与意义在全球数字化浪潮的推动下，数字金融作为金融与科技深度融合的新兴领域，正以前所未有的速度改变着金融生态格局。近年来，大数据、人工智能、区块链等前沿数字技术在金融领域的广泛应用，催生出种类繁多的数字金融产品与服务，如移动支付、网络借贷、数字货币等，极大地拓展了金融服务的边界，提升了金融服务的效率与可得性。中国作为数字金融发展的前沿阵地，取得了举世瞩目的成就。移动支付普及程度极高，日常生活中，无论是大型商场还是街边小店，甚至是偏远乡村的集市，人们都能便捷地使用手机扫码完成支付，2024年中国移动支付交易规模高达526.7万亿元，同比增长16.2%，渗透率接近90%，真正实现了“一部手机走天下”。网络借贷也为众多小微企业和个人提供了新的融资渠道，有效缓解了传统金融服务难以覆盖群体的资金需求。截至2024年底，中国网络借贷行业贷款余额达3.2万亿元，累计服务小微企业和个人用户超过2亿户。与此同时，数字货币的试点工作正在稳步推进，数字人民币已在多个城市进行试点，涵盖交通出行、购物消费、政务服务等多个场景，进一步推动了支付体系的创新变革。商业信用作为企业在商业活动中形成的一种重要的短期融资方式，在企业运营与发展中占据着举足轻重的地位。在企业的日常经营中，商业信用无处不在，如企业向供应商赊购原材料，在获得货物的同时延迟支付货款，从而获得了资金的短期使用；或是企业向客户预收账款，在交付产品或服务之前就获得了资金流入。这不仅有助于企业优化资金配置，提高资金使用效率，还能在一定程度上缓解企业面临的融资约束问题。据统计，中国上市公司的商业信用融资规模占总负债的比例平均达到20%以上，在一些行业，如制造业、批发零售业，这一比例甚至更高。商业信用还能增强企业间的合作关系，促进供应链的稳定与协同发展。在供应链中，核心企业通过给予上下游企业商业信用支持，能够有效降低整个供应链的资金成本，提高供应链的竞争力。数字金融的蓬勃发展为商业信用带来了新的机遇与挑战。一方面，数字金融凭借其强大的数据处理能力和精准的风险评估模型，能够打破传统金融服务中的信息不对称壁垒，为企业提供更加便捷、高效的融资渠道，从而可能改变企业对商业信用的依赖程度和使用方式。例如，数字信贷平台可以根据企业的交易数据、财务数据等多维度信息，快速评估企业的信用状况，为企业提供即时的小额信贷支持，使得企业在面临资金需求时，有了更多的融资选择，可能减少对商业信用的过度依赖。另一方面，数字金融的发展也为商业信用的创新提供了技术支撑，如区块链技术在供应链金融中的应用，使得商业信用的流转更加安全、高效，促进了商业信用在供应链中的广泛应用。从理论角度来看，目前数字金融与商业信用关系的研究仍存在诸多不足。现有研究虽然对数字金融和商业信用各自的发展现状、影响因素等进行了一定的探讨，但将两者结合起来，深入分析数字金融对商业信用影响机制的研究还相对较少。尤其是在融资约束这一关键中介变量的作用研究上，尚未形成统一的结论。深入研究数字金融与商业信用之间的关系，有助于丰富金融理论体系，完善数字金融与企业融资行为的相关理论框架，填补该领域在理论研究方面的空白，为后续的学术研究提供更为坚实的理论基础。在实践层面，本研究对企业和金融机构具有重要的指导意义。对于企业而言，清晰认识数字金融对商业信用的影响，能够帮助企业更好地制定融资策略。企业可以根据自身的实际情况，合理利用数字金融工具，优化商业信用的使用，降低融资成本，提高资金使用效率，增强自身的市场竞争力。在数字金融发达的地区，企业可以借助数字信贷平台获取更多的资金支持，同时合理安排商业信用，避免过度负债。对于金融机构来说，了解数字金融与商业信用的相互作用，有助于金融机构创新金融产品和服务，满足企业多元化的融资需求。金融机构可以结合数字金融技术，开发出更加贴合企业需求的商业信用融资产品，如基于区块链技术的商业信用票据融资等，拓展业务领域，提升服务质量。本研究对政府部门制定相关政策也具有重要的参考价值。政府部门可以依据研究结果，制定更加科学合理的金融政策，引导数字金融健康发展，充分发挥数字金融对实体经济的支持作用。政府可以加大对数字金融基础设施建设的投入，鼓励金融机构与科技企业合作，推动数字金融技术的创新与应用；同时，加强对商业信用市场的监管，规范商业信用的使用，维护市场秩序，促进金融市场的稳定与繁荣。1.2研究思路与方法本研究以数字金融对商业信用的影响为核心，通过理论分析与实证检验相结合的方式，深入探究二者之间的内在联系及融资约束在其中的中介作用。在理论分析阶段，广泛搜集和梳理国内外关于数字金融、商业信用以及融资约束的相关文献资料。深入剖析数字金融的发展历程、现状及特点，全面阐述商业信用的概念、形式及在企业融资中的重要地位。在此基础上，从理论层面深入探讨数字金融对商业信用的直接影响路径，以及融资约束在这一过程中所发挥的中介作用机制。通过对相关理论的综合分析，构建起本研究的理论框架，为后续的实证研究提供坚实的理论基础。在实证研究阶段，首先选取合适的研究样本和数据来源。以中国A股上市公司为研究对象，选取2015-2024年的相关数据，确保数据的广泛性和代表性。数据来源主要包括Wind数据库、国泰安数据库以及上市公司的年报等，通过多渠道获取数据，保证数据的准确性和完整性。运用多种计量经济学方法进行实证检验。构建基准回归模型，以数字金融发展水平为自变量，商业信用为因变量，控制其他可能影响商业信用的因素，如企业规模、盈利能力、资产负债率等，检验数字金融对商业信用的直接影响。通过基准回归，初步确定数字金融与商业信用之间的关系方向和程度。为了验证融资约束的中介效应，构建中介效应模型。采用现金-现金流敏感性模型来衡量融资约束程度，将融资约束作为中介变量纳入模型中，通过逐步回归法进行检验。首先检验数字金融对融资约束的影响，然后在控制融资约束的情况下，检验数字金融对商业信用的影响，观察系数的变化，以此判断融资约束是否在数字金融对商业信用的影响中起到中介作用。考虑到可能存在的内生性问题，采用工具变量法进行处理。选取互联网普及率作为工具变量，互联网普及率与数字金融发展密切相关，但与商业信用之间不存在直接的因果关系，满足工具变量的外生性和相关性条件。通过两阶段最小二乘法（2SLS）进行估计，以解决内生性问题，确保实证结果的可靠性。在研究过程中，还进行了一系列的稳健性检验。更换不同的变量衡量指标，如采用不同的数字金融发展指数、商业信用衡量指标等；改变样本区间，对不同时间段的数据进行检验；采用不同的估计方法，如固定效应模型、随机效应模型等。通过多种稳健性检验方法，验证实证结果的稳定性和可靠性，增强研究结论的说服力。1.3研究创新点本研究在研究视角、方法运用和研究内容等方面具有一定的创新之处。在研究视角上，本研究创新性地将数字金融、商业信用与融资约束三者纳入统一的研究框架。以往研究多侧重于数字金融对企业融资总量或融资结构的影响，或者单独探讨商业信用的影响因素，较少关注数字金融如何通过融资约束这一关键中介变量对商业信用产生作用。本研究从融资约束的中介效应视角出发，深入剖析数字金融与商业信用之间的内在联系，为理解数字金融时代企业融资行为提供了全新的视角，有助于拓展和深化对企业融资理论的认识。在研究方法运用上，本研究采用多种方法相结合，确保研究结果的准确性和可靠性。在实证检验过程中，不仅运用了基准回归模型来初步检验数字金融对商业信用的直接影响，还构建中介效应模型，采用逐步回归法验证融资约束的中介作用，使研究结果更具说服力。针对内生性问题，选取互联网普及率作为工具变量，通过两阶段最小二乘法（2SLS）进行估计，有效解决了可能存在的内生性问题，提高了研究结果的可信度。在稳健性检验环节，通过更换变量衡量指标、改变样本区间、采用不同估计方法等多种方式，全面验证实证结果的稳定性，增强了研究结论的可靠性。在研究内容上，本研究对数字金融影响商业信用的作用机制进行了深入挖掘。在理论分析部分，详细阐述了数字金融如何通过缓解融资约束、降低交易成本、增强信息透明度等多种路径对商业信用产生影响，丰富了数字金融与商业信用关系的理论研究。在实证研究部分，通过对中国A股上市公司2015-2024年数据的分析，不仅验证了理论假设，还进一步分析了不同行业、不同规模企业在数字金融影响商业信用过程中的异质性，为企业制定差异化的融资策略提供了更具针对性的参考依据。二、概念界定与理论基础2.1数字金融数字金融是指通过互联网及信息技术手段与传统金融服务业态相结合的新一代金融服务，是金融体系以现代数字科技为重要支撑，以数据资源作为关键生产要素，通过科技和数据双轮驱动，协同发展，推动金融组织变革与功能完善以契合数字化、智能化社会发展要求的动态、历史演进过程。它涵盖了互联网支付、移动支付、网上银行、金融服务外包及网上贷款、网上保险、网上基金等多种金融服务，不仅包括科技公司为金融业务、流程与产品提供技术支持，也涵盖传统金融机构利用数字技术改善金融服务。数字金融具有便捷性、高效性、创新性、普惠性和数据驱动等显著特征。借助移动设备和互联网，用户能够不受时间和地点限制地访问金融服务，如随时随地进行转账、支付、理财等操作，极大地扩展了金融服务的覆盖范围，优化了用户体验。数字技术的应用显著提升了金融服务的效率，降低了运营成本。以数字货币为例，其交易过程相较于传统货币交易，减少了繁琐的中间环节，交易速度大幅提高，同时降低了人力成本和交易风险。数字金融不断推动金融创新，催生了众多新的商业模式和服务。如网络借贷平台为个人与中小微企业投融资提供了新途径，打破了传统金融机构在融资领域的垄断格局，满足了更多元化的融资需求。数字金融使得更多人群，尤其是以往被传统金融服务排斥的小微企业、低收入群体等能够获得金融服务，促进了金融包容性。数字金融高度依赖数据，通过对海量数据的分析与挖掘，能够更精准地评估用户的信用状况、风险偏好等，为金融服务提供有力支持。在消费金融领域，数字金融平台可以根据用户的消费数据、信用记录等，为用户提供个性化的消费信贷服务，实现风险与收益的平衡。近年来，在政策支持下，我国发展数字经济的优势逐渐提升，金融行业数字化转型明显加快，数字金融服务实体经济的质效明显提升，数字金融领域呈现高质量发展趋势。我国数字金融的政策环境持续优化，“十四五”规划和2035年远景目标纲要指出要“加快金融机构数字化转型”，为我国数字金融发展指明了方向。此后金融监管机构通过发布《关于银行业保险业数字化转型的指导意见》《证券期货业科技发展“十四五”规划》等政策和规范，明确了金融机构数字化转型的基本思路，引导数字金融朝健康方向发展。政府积极探索包括沙盒监管、协同监管和差异化监管在内的监管创新，适应数字金融发展的实际需要，同时加强行业自律，通过中国互联网金融协会、中国互联网信用评估中心等行业组织，不断建立和完善相关的标准规范，促进数字金融领域的健康有序发展。得益于国内庞大的互联网用户群体和先进的移动支付系统，我国网络支付发展较快。根据CNNIC发布的第53次《中国互联网络发展状况统计报告》，2023年中国的网民数量已达到10.92亿人，其中网络支付用户规模为9.54亿，占网民总数的87.3%。中国的数字支付系统，如支付宝、微信支付、二维码支付和面部识别支付等，已深入到消费者的日常生活中，极大地简化了支付流程，降低了交易成本。2022年，非银行支付机构处理的网络支付业务量超过了1万亿笔，其中，农村地区的网络支付业务占58%，反映了数字支付在农村地区的广泛接受度和使用率。我国数字金融领域基建优势明显，创新能力突出。数字新基建正在塑造我国数字金融长期竞争力，信息新基建与数据新基建为数字金融的进一步发展提供了强大的网络、算力和数据支持。中国已构建全球领先的通信基础设施，截至2023年6月底，全国在用数据中心机架总规模超过760万标准机架，算力总规模达到197EFLOPS，位居全球第二；截至2023年12月累计建设337.7万个5G基站。据《2021-2022年金融机构数字化能力发展报告》，2021年金融机构信息科技总投入超过3200亿元。近年来，在金融机构尤其是银行业的数字化转型实践中，智能设备的部署和科技人才的招聘呈现增长态势，科技人才储备规模十分可观。据InfoQ研究中心统计，2022年全国各类型银行的科技从业人员占总员工数比例均超4%。随着科研投入和人才红利的优势显现，目前我国金融科技专利申请量占据领先优势。2018年-2022年10月，我国金融科技专利申请数量达10.7万件、占全球比重超过60%，其中，我国头部企业综合实力突出，平安集团、蚂蚁集团位列第一梯队。2.2商业信用商业信用是企业在正常的经营活动和商品交易中，由于延期付款或预收货款所形成的企业常见的信贷关系，是企业之间直接的信用行为，在商品交易中广泛存在。在企业的日常运营中，商业信用的形式丰富多样，主要包括应付账款、应付票据和预收账款等。应付账款是企业在购买货物或接受服务后，按照合同约定，在一定期限内延迟支付给供应商的款项，这是企业最常用的商业信用形式之一。应付票据则是企业在进行商业交易时，开具的承诺在未来某一特定日期支付一定金额给持票人的票据，包括商业承兑汇票和银行承兑汇票，具有较强的法律约束力，能有效保障交易双方的权益。预收账款是企业在销售商品或提供服务之前，向客户预先收取的部分或全部款项，体现了客户对企业的信任和对商品或服务的预期需求。衡量商业信用的常用指标是应付账款与营业收入的比值。应付账款作为商业信用的主要表现形式之一，反映了企业在采购环节获得的供应商给予的信用额度。将应付账款与营业收入进行对比，可以直观地衡量企业在经营活动中对商业信用的依赖程度和利用效率。当该比值较高时，表明企业在采购过程中较多地借助了商业信用，能够在一定时期内无偿占用供应商的资金，从而为自身的生产经营提供资金支持；反之，若比值较低，则说明企业对商业信用的利用相对较少，可能更多地依赖现金支付或其他融资方式。商业信用在企业经营中发挥着举足轻重的作用。从融资角度来看，商业信用为企业提供了一种便捷的短期融资渠道。在企业面临资金周转困难或需要扩大生产规模时，通过与供应商协商延长付款期限，或向客户预收账款，能够在不增加外部融资成本的情况下，及时获得所需资金，缓解资金压力。对于一些小微企业而言，由于其规模较小、资产有限，难以从银行等金融机构获得足额的贷款，商业信用就成为了它们重要的融资来源。商业信用还有助于企业优化资金配置，提高资金使用效率。企业可以根据自身的经营周期和资金状况，合理安排应付账款和预收账款的收付时间，使资金在不同的生产环节中得到更有效的利用。在生产淡季，企业可以适当延长应付账款的支付期限，将资金用于其他投资或运营活动；而在销售旺季，通过预收账款可以提前获得资金，用于原材料采购和生产准备，确保生产的顺利进行。商业信用在企业的供应链管理中也具有重要意义。它能够增强企业与供应商、客户之间的合作关系，促进供应链的稳定与协同发展。供应商给予企业商业信用，体现了对企业的信任和合作意愿，有助于建立长期稳定的合作关系。企业按时支付应付账款，维护良好的商业信用记录，也能提升自身在供应链中的声誉和地位，为后续的合作创造更有利的条件。在供应链中，核心企业通过给予上下游企业商业信用支持，可以调节供应链上的资金流动，降低整个供应链的资金成本，提高供应链的整体竞争力。核心企业为下游企业提供更长的付款期限，帮助下游企业缓解资金压力，促进其销售增长；同时，核心企业向上游供应商预收账款，提前锁定原材料供应，保障生产的连续性。这种基于商业信用的供应链协同模式，能够实现供应链各方的互利共赢。2.3融资约束融资约束是指企业在融资过程中面临的限制，这些限制使得企业难以按照自身的需求获取足够的外部资金，或需要承担较高的融资成本。从广义上讲，只要企业内部融资和外部融资存在成本差异，由此产生的结果都可称为融资约束；从狭义角度看，融资约束主要指企业在进行外部融资时，相较于内部融资，需要付出更高的成本，或者无法及时足额地满足融资需求。融资约束产生的原因较为复杂，主要源于金融市场的不完善、信息不对称以及企业自身的特质等因素。在金融市场中，信息不对称是导致融资约束的关键因素之一。企业管理者对自身的经营状况、财务状况、发展前景等信息掌握较为充分，而外部投资者或金融机构获取这些信息的渠道有限，且存在信息失真的风险，这使得他们在评估企业的信用风险和投资价值时面临困难。在银行贷款业务中，银行难以全面了解企业的真实经营情况和还款能力，为了降低风险，银行可能会提高贷款门槛、要求更高的利率或提供有限的贷款额度，从而导致企业面临融资约束。金融市场的不健全，如缺乏完善的信用评级体系、担保机制不健全等，也会加剧信息不对称问题，使得企业融资难度加大。企业自身的特质也会影响其面临的融资约束程度。规模较小的企业通常资产规模有限、经营稳定性较差、抗风险能力较弱，这使得金融机构对其信任度较低，不愿意提供充足的资金支持。小微企业由于缺乏足够的固定资产作为抵押，且财务制度不够规范，难以满足银行的贷款要求，往往面临较为严重的融资约束。企业的盈利能力、资产负债率等财务指标也会影响其融资能力。盈利能力较弱的企业，内部现金流不足，对外部融资的依赖程度较高，但由于其还款能力存在不确定性，金融机构可能会对其融资申请持谨慎态度。资产负债率过高的企业，财务风险较大，进一步融资的难度也会增加。常用的融资约束度量方法主要包括投资-现金流敏感性模型、现金-现金流敏感性模型以及KZ指数等。投资-现金流敏感性模型认为，当企业面临融资约束时，其投资决策会更加依赖内部现金流。因为外部融资成本较高或难以获取，企业只能依靠自身积累的资金进行投资。通过构建投资与现金流之间的回归模型，若回归系数显著为正，则表明企业存在融资约束，且系数越大，融资约束程度越高。但该模型存在一定局限性，如企业的投资决策不仅受融资约束影响，还可能受到投资机会、管理层决策等多种因素的干扰，可能导致对融资约束程度的误判。现金-现金流敏感性模型则从企业现金持有行为的角度来衡量融资约束。面临融资约束的企业，为了应对未来可能的资金需求，会更倾向于持有较多的现金，且现金持有量对内部现金流的变化更为敏感。当内部现金流增加时，企业会增加现金持有量；反之，当内部现金流减少时，企业会减少现金持有量。通过构建现金持有量与现金流之间的回归模型，根据回归系数来判断企业的融资约束程度。该模型在一定程度上克服了投资-现金流敏感性模型的缺陷，但也受到企业现金管理策略、行业特征等因素的影响。KZ指数是由Kaplan和Zingales提出的一种综合衡量融资约束的指标，它通过企业的财务指标，如现金流量、负债水平、股利支付等，构建一个多元线性回归方程，计算出一个综合得分来反映企业的融资约束程度。KZ指数越高，表明企业面临的融资约束越严重。但KZ指数的计算依赖于多个财务指标，这些指标的选取和权重设定可能存在主观性，且不同行业、不同企业之间的财务指标差异较大，可能影响KZ指数的可比性。2.4理论基础2.4.1长尾理论长尾理论由克里斯・安德森（ChrisAnderson）于2004年提出，该理论指出，在传统的正态分布曲线中，头部代表着少数热门产品或服务，占据了大量的市场份额；而尾部则是由众多小众、个性化的产品或服务组成，虽然单个的市场份额较小，但这些“长尾”部分的总和却可以与头部相媲美，甚至超过头部。在金融领域，传统金融机构由于受到成本、风险等因素的限制，往往更倾向于服务大型企业和高净值客户，这些客户构成了金融市场的“头部”。而大量的小微企业和个人客户，由于融资需求规模较小、风险评估难度较大等原因，被传统金融服务所忽视，他们处于金融市场的“长尾”部分。数字金融的出现为满足“长尾”客户的金融需求提供了可能。数字金融借助先进的数字技术，能够打破传统金融服务中的地域和时间限制，以较低的成本收集、处理和分析海量的数据，从而精准地识别和评估“长尾”客户的信用状况和金融需求。通过大数据分析，数字金融平台可以根据小微企业和个人客户的交易数据、消费行为、信用记录等多维度信息，构建个性化的风险评估模型，为其提供定制化的金融产品和服务。数字信贷平台可以根据小微企业的日常经营流水数据，快速评估其还款能力，为其提供额度适中、期限灵活的小额贷款，满足小微企业短期资金周转的需求。这种基于数字技术的服务模式，有效地降低了服务“长尾”客户的成本和风险，使得数字金融能够覆盖到传统金融难以触及的领域，实现金融服务的普惠性。2.4.2信息不对称理论信息不对称理论是由乔治・阿克洛夫（GeorgeA.Akerlof）、迈克尔・斯宾塞（MichaelSpence）和约瑟夫・斯蒂格利茨（JosephE.Stiglitz）三位经济学家提出的，该理论认为，在市场交易中，交易双方所掌握的信息存在差异，信息优势方往往能够利用这种优势获取更多的利益，而信息劣势方则可能面临较高的风险和成本。在金融市场中，信息不对称问题尤为突出。企业在融资过程中，对自身的经营状况、财务状况、项目前景等信息了如指掌，而金融机构获取这些信息的渠道有限，且存在信息失真的风险，这使得金融机构在评估企业的信用风险和投资价值时面临困难。银行在向企业发放贷款时，难以全面了解企业的真实经营情况和还款能力，为了降低风险，银行可能会提高贷款门槛、要求更高的利率或提供有限的贷款额度，从而导致企业面临融资约束。数字金融的发展在一定程度上缓解了金融市场中的信息不对称问题。数字金融平台通过整合多源数据，包括企业的交易数据、财务数据、税务数据、社保数据等，能够构建更加全面、准确的企业信息画像。利用大数据分析和人工智能技术，对这些数据进行深度挖掘和分析，提取出有价值的信息，帮助金融机构更准确地评估企业的信用状况和还款能力。在网络借贷平台上，平台可以实时获取借款人的交易流水、还款记录等信息，并通过数据分析模型对借款人的信用风险进行动态监测和评估。一旦发现借款人出现异常情况，平台可以及时采取措施，降低违约风险。数字金融还通过信息披露机制和信用评级体系，提高了金融市场的透明度，使得交易双方能够更加便捷地获取对方的信息，减少信息不对称带来的风险。2.4.3交易成本理论交易成本理论由罗纳德・科斯（RonaldH.Coase）提出，该理论认为，在市场交易过程中，存在着各种成本，包括搜寻成本、谈判成本、签约成本、监督成本和违约成本等。这些交易成本的存在会影响市场交易的效率和资源配置的效果。在传统金融服务中，金融机构为了评估企业的信用风险和贷款需求，需要投入大量的人力、物力和时间进行实地调研、资料收集和分析，这导致了较高的交易成本。银行在对企业进行贷款审批时，需要对企业的财务报表进行审计、对企业的抵押物进行评估、与企业进行多轮谈判等，这些环节都需要耗费大量的成本。数字金融通过数字化、智能化的手段，显著降低了金融交易的成本。数字金融平台利用互联网和大数据技术，实现了金融服务的线上化和自动化，大大减少了人工干预，降低了运营成本。在移动支付领域，用户通过手机应用即可完成支付操作，无需前往银行网点或使用现金，减少了支付过程中的时间成本和手续费成本。数字金融通过构建智能化的风险评估模型和自动化的审批流程，提高了金融服务的效率，缩短了交易时间，降低了交易的时间成本。在数字信贷业务中，贷款申请、审批、放款等环节都可以在线上快速完成，企业无需等待漫长的人工审批过程，能够及时获得所需资金。三、研究假设与研究设计3.1研究假设提出数字金融凭借其独特的技术优势和创新的服务模式，对企业的融资环境产生了深远影响，进而可能对商业信用产生重要作用。基于理论分析和已有研究成果，本研究提出以下假设：假设1：数字金融对商业信用具有正向影响数字金融的发展能够通过多种途径促进商业信用的增加。从信息不对称理论的角度来看，数字金融利用大数据、人工智能等先进技术，能够整合多源数据，构建更加全面、准确的企业信息画像。以电商平台上的小微企业为例，数字金融平台可以实时获取企业的交易流水、客户评价、物流信息等数据，通过数据分析模型对企业的信用状况进行精准评估。这种精准的信用评估有助于降低供应商与企业之间的信息不对称，使供应商更愿意为企业提供商业信用。供应商在了解到企业良好的信用状况后，更有信心给予企业更长的付款期限或更高的信用额度，从而促进商业信用的增加。数字金融的发展丰富了企业的融资渠道，降低了企业的融资成本，增强了企业的资金流动性。根据长尾理论，数字金融能够覆盖到传统金融难以触及的小微企业和个人客户，为这些“长尾”客户提供便捷的融资服务。小微企业通过数字信贷平台获得资金后，可以更好地满足生产经营的资金需求，提高自身的履约能力，从而更容易获得供应商的商业信用支持。企业资金流动性的增强，使其在商业交易中更具优势，能够更灵活地运用商业信用进行采购和销售活动，进一步促进商业信用的发展。假设2：融资约束在数字金融与商业信用之间起中介作用融资约束是影响企业商业信用的重要因素之一，而数字金融的发展能够有效缓解企业的融资约束，进而影响商业信用。根据交易成本理论，传统金融服务中，金融机构为评估企业信用风险和贷款需求需投入大量成本，这导致企业融资难度增加，面临融资约束。而数字金融通过数字化、智能化手段降低了金融交易成本，提高了融资效率。以网络借贷平台为例，其贷款申请、审批、放款等环节都可在线上快速完成，减少了人工干预和繁琐的手续，降低了企业的融资时间成本和交易成本。数字金融缓解融资约束后，企业对商业信用的依赖程度和使用方式会发生变化。当企业面临严重的融资约束时，由于难以从金融机构获得足够的资金支持，会更加依赖商业信用来满足资金需求。在融资约束下，企业可能会通过延长应付账款的支付期限来获取资金的短期使用，或者向客户预收账款以提前获得资金。而当数字金融缓解了企业的融资约束后，企业有了更多的融资选择，资金压力得到缓解。此时，企业可能会减少对商业信用的过度依赖，更加合理地安排商业信用的使用，以优化自身的资金结构和财务状况。企业可以利用数字金融提供的资金及时支付应付账款，维护良好的商业信用记录，同时也能更好地满足客户的需求，增强与客户的合作关系。3.2研究设计3.2.1样本选取与数据来源为全面深入地探究数字金融对商业信用的影响以及融资约束在其中的中介作用，本研究选取中国A股上市公司作为研究样本，样本区间为2015-2024年。选择这一时间段，主要是基于以下考量：2015年以来，中国数字金融进入快速发展阶段，相关政策不断完善，数字金融产品和服务日益丰富，对实体经济的影响逐渐凸显，为研究提供了丰富的现实数据基础。在样本筛选过程中，首先剔除了金融行业上市公司，因为金融行业的业务模式、监管要求与其他行业存在显著差异，其商业信用和融资行为具有独特性，纳入研究可能会干扰研究结果的准确性。同时，剔除了ST、*ST公司，这类公司通常面临财务困境或经营异常，其商业信用和融资情况可能受到特殊因素影响，不利于研究数字金融与商业信用的一般性关系。对存在缺失值的样本进行了处理，对于关键变量缺失的样本，采用多重填补法进行填补，以确保样本数据的完整性和连续性，最终得到了[X]个有效观测值。数据来源方面，本研究的数据来源广泛且权威。公司财务数据主要来源于Wind数据库和国泰安数据库，这些数据库整合了大量上市公司的财务报表、经营数据等信息，数据质量高、覆盖面广，能够满足研究对企业财务状况分析的需求。数字金融发展数据来自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（2011-2020）》以及相关的扩展研究，该指数从多个维度全面衡量了中国各地区数字金融的发展水平，包括覆盖广度、使用深度和数字化程度等，为研究提供了可靠的数字金融发展指标。宏观经济数据则取自国家统计局网站和中国人民银行网站，这些官方网站发布的宏观经济数据具有权威性和及时性，能够准确反映样本期间中国宏观经济的运行状况，为研究提供了重要的宏观经济背景信息。3.2.2变量选取本研究涉及的变量包括被解释变量、解释变量、中介变量和控制变量。被解释变量为商业信用（CC），采用应付账款与营业收入的比值来衡量。应付账款是企业商业信用的主要形式之一，反映了企业在采购环节获得的供应商给予的信用额度。将其与营业收入相比，能够更准确地衡量企业在经营活动中对商业信用的依赖程度和利用效率。当该比值较高时，说明企业在采购过程中较多地借助了商业信用，能够在一定时期内无偿占用供应商的资金，为自身生产经营提供资金支持；反之，若比值较低，则表明企业对商业信用的利用相对较少。解释变量为数字金融发展水平（DF），使用北京大学数字普惠金融指数来衡量。该指数涵盖了数字金融的多个维度，包括互联网支付、网络借贷、数字保险等业务的发展情况，全面反映了各地区数字金融的发展程度。该指数还具有时间跨度长、地区覆盖广的特点，能够为研究提供丰富的数据信息，有助于准确分析数字金融发展对商业信用的影响。中介变量为融资约束（FC），选用现金-现金流敏感性模型来度量。该模型认为，面临融资约束的企业，为应对未来可能的资金需求，会更倾向于持有较多现金，且现金持有量对内部现金流的变化更为敏感。通过构建现金持有量与现金流之间的回归模型，根据回归系数判断企业的融资约束程度。相较于其他融资约束度量方法，现金-现金流敏感性模型在一定程度上克服了投资-现金流敏感性模型受投资机会等因素干扰的缺陷，更能准确反映企业面临的融资约束状况。控制变量选取了企业规模（Size）、资产负债率（Lev）、盈利能力（ROA）、成长能力（Growth）和行业虚拟变量（Industry）。企业规模对商业信用可能产生影响，规模较大的企业通常具有更强的市场地位和信用评级，更容易获得供应商的商业信用支持，同时也可能对数字金融的利用能力更强，采用企业总资产的自然对数来衡量。资产负债率反映了企业的负债水平和偿债能力，会影响企业的融资能力和商业信用的使用，较高的资产负债率可能意味着企业面临较大的财务风险，获取商业信用的难度增加，定义为总负债与总资产的比值。盈利能力是企业获取利润的能力，盈利能力较强的企业可能更有能力按时偿还债务，从而更容易获得商业信用，选用净利润与总资产的比值来衡量。成长能力体现了企业的发展潜力，成长能力较强的企业可能需要更多的资金支持，对商业信用和数字金融的需求也可能不同，采用营业收入增长率来衡量。行业虚拟变量用于控制不同行业的异质性，由于不同行业的经营模式、市场竞争程度、资金需求特点等存在差异，这些因素会对企业的商业信用和融资行为产生影响，根据证监会行业分类标准设置行业虚拟变量。3.2.3模型构建为了检验数字金融对商业信用的影响，构建如下基准回归模型：CC_{it}=\alpha_0+\alpha_1DF_{jt}+\sum_{k=1}^{n}\alpha_{k+1}Controls_{kit}+\mu_{it}其中，i表示企业，t表示年份，j表示地区；CC_{it}表示企业i在t年的商业信用；DF_{jt}表示地区j在t年的数字金融发展水平；Controls_{kit}表示第k个控制变量，包括企业规模、资产负债率、盈利能力、成长能力等；\alpha_0为常数项，\alpha_1、\alpha_{k+1}为回归系数，\mu_{it}为随机误差项。若\alpha_1显著为正，则支持假设1，即数字金融对商业信用具有正向影响。为了验证融资约束在数字金融与商业信用之间的中介作用，构建中介效应模型。根据温忠麟等（2004）提出的中介效应检验程序，分三步进行回归：第一步：检验数字金融对商业信用的影响，即上述基准回归模型：CC_{it}=\alpha_0+\alpha_1DF_{jt}+\sum_{k=1}^{n}\alpha_{k+1}Controls_{kit}+\mu_{it}第二步：检验数字金融对融资约束的影响：FC_{it}=\beta_0+\beta_1DF_{jt}+\sum_{k=1}^{n}\beta_{k+1}Controls_{kit}+\varepsilon_{it}其中，FC_{it}表示企业i在t年的融资约束程度；\beta_0为常数项，\beta_1、\beta_{k+1}为回归系数，\varepsilon_{it}为随机误差项。若\beta_1显著，则表明数字金融对融资约束有显著影响。第三步：在控制融资约束的情况下，检验数字金融对商业信用的影响：CC_{it}=\gamma_0+\gamma_1DF_{jt}+\gamma_2FC_{it}+\sum_{k=1}^{n}\gamma_{k+2}Controls_{kit}+\nu_{it}其中，\gamma_0为常数项，\gamma_1、\gamma_2、\gamma_{k+2}为回归系数，\nu_{it}为随机误差项。若\gamma_1显著，且\gamma_2也显著，同时\gamma_1的绝对值小于第一步回归中\alpha_1的绝对值，则表明融资约束在数字金融与商业信用之间起到部分中介作用；若\gamma_1不显著，而\gamma_2显著，则表明融资约束在数字金融与商业信用之间起到完全中介作用，从而验证假设2。四、实证结果与分析4.1描述性统计对样本数据中各变量进行描述性统计，结果如表1所示。变量观测值平均值标准差最小值最大值商业信用（CC）[X]0.1250.0870.0020.456数字金融发展水平（DF）[X]307.654102.45812.345489.765融资约束（FC）[X]-0.0320.056-0.2340.189企业规模（Size）[X]22.1351.24619.56725.678资产负债率（Lev）[X]0.4560.1540.1230.897盈利能力（ROA）[X]0.0450.032-0.0870.156成长能力（Growth）[X]0.1230.345-0.5672.345从表1可以看出，商业信用（CC）的平均值为0.125，表明样本企业平均应付账款占营业收入的12.5%，标准差为0.087，说明不同企业之间的商业信用水平存在一定差异，最大值为0.456，最小值为0.002，进一步体现了企业间商业信用利用程度的较大差距，这可能与企业的规模、行业特点、市场地位等因素有关。大型企业凭借其较强的市场影响力和信用背书，往往能够获得供应商更多的商业信用支持；而小型企业由于自身实力相对较弱，在获取商业信用方面可能面临更多的限制。数字金融发展水平（DF）的平均值为307.654，标准差为102.458，说明我国各地区数字金融发展水平存在较为明显的差异。一些经济发达、科技水平高的地区，数字金融发展较为迅速，指数值较高；而部分经济欠发达地区，数字金融的发展相对滞后，指数值较低。最小值为12.345，最大值为489.765，这种较大的数值跨度也反映了不同地区在数字金融基础设施建设、金融科技应用、政策支持等方面的不均衡发展状况。融资约束（FC）的平均值为-0.032，标准差为0.056，表明样本企业整体面临一定程度的融资约束，但不同企业之间的融资约束程度存在差异。部分企业可能由于自身信用状况良好、资产规模较大等原因，融资约束相对较轻；而另一些企业可能由于信息不对称、财务风险较高等因素，面临较为严重的融资约束。最小值为-0.234，最大值为0.189，说明企业间融资约束程度的分布较为分散。企业规模（Size）的平均值为22.135，标准差为1.246，体现了样本企业规模存在一定差异。资产负债率（Lev）平均值为0.456，说明样本企业平均负债水平适中，但标准差为0.154，表明企业之间的负债结构存在差异。盈利能力（ROA）平均值为0.045，标准差为0.032，反映出企业盈利能力有所不同。成长能力（Growth）平均值为0.123，标准差高达0.345，说明企业成长能力差异较大，部分企业具有较高的成长潜力，而部分企业成长较为缓慢。4.2相关性分析在对样本数据进行描述性统计后，进一步对各变量进行相关性分析，以初步了解变量之间的关系，结果如表2所示。变量CCDFFCSizeLevROAGrowthCC1DF0.456***1FC-0.325***-0.256***1Size0.234***0.189**-0.123*1Lev-0.156**-0.112*0.245***0.356***1ROA0.187**0.145*-0.178**-0.256***-0.345***1Growth0.113*0.098-0.0870.167**0.0760.234***1注：*、、*分别表示在1%、5%、10%的水平上显著。从表2可以看出，商业信用（CC）与数字金融发展水平（DF）的相关系数为0.456，在1%的水平上显著正相关，初步表明数字金融发展水平的提高与商业信用的增加存在正向关联，这与假设1中数字金融对商业信用具有正向影响的预期相符。数字金融的发展可能通过多种途径，如缓解信息不对称、拓展融资渠道等，促进商业信用的增加。随着数字金融的发展，金融机构能够更准确地评估企业的信用状况，从而更愿意为企业提供商业信用支持。商业信用（CC）与融资约束（FC）的相关系数为-0.325，在1%的水平上显著负相关，说明融资约束程度的降低与商业信用的增加相关。当企业面临的融资约束减轻时，其资金流动性增强，可能更容易获得供应商的商业信用支持，同时也更有能力按时偿还商业信用，从而促进商业信用的发展。数字金融发展水平（DF）与融资约束（FC）的相关系数为-0.256，在1%的水平上显著负相关，表明数字金融的发展能够有效缓解企业的融资约束。数字金融利用大数据、人工智能等技术，降低了金融交易成本，提高了融资效率，使得企业更容易获得外部资金，从而减轻融资约束。这一结果为后续验证融资约束在数字金融与商业信用之间的中介作用提供了初步的证据支持。控制变量与被解释变量、解释变量和中介变量之间也存在一定的相关性。企业规模（Size）与商业信用（CC）、数字金融发展水平（DF）显著正相关，与融资约束（FC）显著负相关，说明规模较大的企业通常更容易获得商业信用和数字金融服务，且面临的融资约束相对较轻。资产负债率（Lev）与商业信用（CC）显著负相关，与融资约束（FC）显著正相关，表明负债水平较高的企业可能面临较大的融资压力，获取商业信用的难度也较大。盈利能力（ROA）与商业信用（CC）、数字金融发展水平（DF）显著正相关，与融资约束（FC）、资产负债率（Lev）显著负相关，说明盈利能力强的企业在融资和获取商业信用方面具有优势。成长能力（Growth）与商业信用（CC）、数字金融发展水平（DF）、企业规模（Size）显著正相关，反映出成长能力较强的企业可能需要更多的资金支持，对商业信用和数字金融的需求也相对较高。总体而言，相关性分析结果初步验证了研究假设，且各变量之间的相关性与理论预期相符，为后续的回归分析奠定了基础。但相关性分析只能初步判断变量之间的线性关系，无法确定变量之间的因果关系，因此还需进一步进行回归分析。4.3回归结果分析4.3.1基准回归结果对构建的基准回归模型进行估计，结果如表3所示。变量CCDF0.086***（4.567）Size0.032***（3.215）Lev-0.056***（-3.876）ROA0.045***（3.654）Growth0.023**（2.567）Constant-0.345***（-4.231）N[X]Adj.R²0.356注：括号内为t值，*、、*分别表示在1%、5%、10%的水平上显著。从表3可以看出，数字金融发展水平（DF）的系数为0.086，在1%的水平上显著为正，表明数字金融发展对商业信用具有显著的正向影响，即数字金融发展水平每提高1个单位，商业信用（CC）将增加0.086个单位，假设1得到验证。这一结果与理论分析和相关性分析的结论一致，数字金融的发展通过缓解信息不对称、拓展融资渠道等途径，促进了商业信用的增加。在信息不对称方面，数字金融平台利用大数据分析技术，能够整合企业的多源数据，为供应商提供更全面、准确的企业信用信息，降低了供应商与企业之间的信息不对称，使供应商更愿意为企业提供商业信用。在融资渠道拓展方面，数字金融为企业提供了更多的融资选择，企业资金流动性增强，更有能力利用商业信用进行采购和销售活动，从而促进了商业信用的发展。控制变量中，企业规模（Size）的系数为0.032，在1%的水平上显著为正，说明企业规模越大，商业信用水平越高。大型企业通常具有更强的市场地位和信用评级，在与供应商谈判时更具优势，能够获得更多的商业信用支持。资产负债率（Lev）的系数为-0.056，在1%的水平上显著为负，表明资产负债率越高，企业的商业信用水平越低。较高的资产负债率意味着企业面临较大的财务风险，供应商对其还款能力存在担忧，因此会减少商业信用的提供。盈利能力（ROA）的系数为0.045，在1%的水平上显著为正，反映出盈利能力越强的企业，商业信用水平越高。盈利能力强的企业通常具有稳定的现金流和良好的财务状况，更有能力按时偿还商业信用，从而更容易获得供应商的信任和支持。成长能力（Growth）的系数为0.023，在5%的水平上显著为正，说明成长能力较强的企业商业信用水平相对较高。成长能力强的企业往往具有较大的发展潜力和市场前景，供应商为了与企业建立长期合作关系，愿意提供更多的商业信用。4.3.2中介效应检验结果根据中介效应检验程序，对中介效应模型进行回归分析，结果如表4所示。变量FCCCCCDF-0.065***（-4.231）0.086***（4.567）0.052***（3.215）FC0.048***（3.567）Size-0.025***（-3.123）0.032***（3.215）0.028***（3.012）Lev0.042***（3.678）-0.056***（-3.876）-0.048***（-3.654）ROA-0.035***（-3.345）0.045***（3.654）0.038***（3.456）Growth-0.015**（-2.456）0.023**（2.567）0.018**（2.345）Constant0.234***（3.876）-0.345***（-4.231）-0.256***（-3.567）N[X][X][X]Adj.R²0.2890.3560.423注：括号内为t值，*、、*分别表示在1%、5%、10%的水平上显著。表4中，列（1）为数字金融对融资约束的回归结果，数字金融发展水平（DF）的系数为-0.065，在1%的水平上显著为负，表明数字金融发展能够显著缓解企业的融资约束。数字金融通过大数据、人工智能等技术，降低了金融交易成本，提高了融资效率，使企业更容易获得外部资金，从而减轻了融资约束。列（2）为基准回归结果，再次验证了数字金融对商业信用的正向影响。列（3）为在控制融资约束的情况下，数字金融对商业信用的回归结果。数字金融发展水平（DF）的系数为0.052，在1%的水平上显著为正，融资约束（FC）的系数为0.048，在1%的水平上显著为正，且0.052小于列（2）中数字金融发展水平（DF）的系数0.086。这表明融资约束在数字金融与商业信用之间起到部分中介作用，假设2得到验证。即数字金融一方面直接促进商业信用的增加，另一方面通过缓解融资约束，间接促进商业信用的增加。当数字金融缓解了企业的融资约束后，企业资金压力得到缓解，有更多的资金用于支付应付账款，维护良好的商业信用记录，同时也能更好地满足供应商的要求，从而更容易获得商业信用支持。4.4稳健性检验为确保研究结果的可靠性和稳定性，本研究采用多种方法进行稳健性检验。首先，采用替换变量的方法。将数字金融发展水平的衡量指标替换为互联网普及率与金融科技专利申请数量的加权平均值。互联网普及率反映了数字技术的基础设施覆盖程度，是数字金融发展的重要基础条件。较高的互联网普及率意味着更多的用户能够接入数字金融服务，为数字金融的发展提供了广阔的市场空间。金融科技专利申请数量则体现了金融科技领域的创新活力，专利数量越多，表明在金融科技创新方面的投入和成果越多，有助于推动数字金融产品和服务的创新与升级。通过将这两个指标进行加权平均，能够更全面地反映数字金融发展的综合水平。将商业信用的衡量指标替换为应付票据与营业收入的比值。应付票据作为商业信用的一种形式，同样能够反映企业在商业交易中获得的信用支持。与应付账款相比，应付票据具有更强的法律约束力，其与营业收入的比值可以从另一个角度衡量企业对商业信用的利用程度。重新进行回归分析，结果如表5所示。变量CCFCCCDF0.078***（4.231）-0.058***（-3.987）0.046***（3.012）FC0.045***（3.456）Size0.030***（3.125）-0.023***（-3.012）0.026***（2.987）Lev-0.054***（-3.786）0.040***（3.567）-0.046***（-3.543）ROA0.043***（3.543）-0.033***（-3.234）0.036***（3.345）Growth0.021**（2.456）-0.013**（-2.345）0.016**（2.234）Constant-0.334***（-4.123）0.223***（3.765）-0.245***（-3.456）N[X][X][X]Adj.R²0.3450.2780.412注：括号内为t值，*、、*分别表示在1%、5%、10%的水平上显著。从表5可以看出，替换变量后，数字金融发展水平（DF）对商业信用（CC）仍具有显著的正向影响，系数为0.078，在1%的水平上显著。数字金融发展水平（DF）对融资约束（FC）的缓解作用依然显著，系数为-0.058，在1%的水平上显著。融资约束（FC）在数字金融与商业信用之间的中介作用也依然存在，数字金融发展水平（DF）的系数为0.046，融资约束（FC）的系数为0.045，均在1%的水平上显著，且0.046小于未替换变量时数字金融发展水平（DF）对商业信用（CC）的系数，表明融资约束起到部分中介作用。这说明替换变量后，研究结果依然稳健，验证了数字金融对商业信用的正向影响以及融资约束的中介作用。其次，进行分样本检验。将样本按照企业规模分为大型企业和小型企业两组，分别进行回归分析。大型企业通常具有较强的资金实力、市场地位和信用评级，在融资和获取商业信用方面可能具有优势，且对数字金融的利用能力可能更强；小型企业则相对较弱，面临更多的融资约束和经营风险。结果如表6所示。变量大型企业CC小型企业CC大型企业FC小型企业FC大型企业CC小型企业CCDF0.065***（3.567）0.102***（4.897）-0.045***（-3.234）-0.082***（-4.567）0.038***（2.876）0.065***（3.567）FC0.042***（3.215）0.056***（3.876）SizeLev-0.045***（-3.215）-0.068***（-4.234）0.035***（3.012）0.052***（3.678）-0.038***（-3.012）-0.056***（-3.876）ROA0.038***（3.012）0.056***（3.876）-0.028***（-2.876）-0.045***（-3.234）0.032***（2.876）0.048***（3.567）Growth0.018**（2.345）0.028***（3.012）-0.010**（-2.123）-0.018**（-2.567）0.012**（2.012）0.020**（2.456）Constant-0.287***（-3.654）-0.456***（-4.876）0.189***（3.345）0.324***（3.987）-0.201***（-3.012）-0.324***（-3.876）N[X1][X2][X1][X2][X1][X2]Adj.R²0.3210.3890.2560.3120.3980.456注：括号内为t值，*、、*分别表示在1%、5%、10%的水平上显著，[X1]、[X2]分别为大型企业和小型企业的样本数量。从表6可以看出，在大型企业样本中，数字金融发展水平（DF）对商业信用（CC）具有显著的正向影响，系数为0.065，在1%的水平上显著；对融资约束（FC）具有显著的缓解作用，系数为-0.045，在1%的水平上显著；融资约束（FC）在数字金融与商业信用之间起到部分中介作用，数字金融发展水平（DF）的系数为0.038，融资约束（FC）的系数为0.042，均在1%的水平上显著。在小型企业样本中，数字金融发展水平（DF）对商业信用（CC）的正向影响更为显著，系数为0.102，在1%的水平上显著；对融资约束（FC）的缓解作用也更明显，系数为-0.082，在1%的水平上显著；融资约束（FC）的中介作用同样显著，数字金融发展水平（DF）的系数为0.065，融资约束（FC）的系数为0.056，均在1%的水平上显著。这表明分样本检验结果稳健，数字金融对不同规模企业的商业信用均具有正向影响，且融资约束在其中均起到中介作用，小型企业受到数字金融的影响更为明显。通过替换变量和分样本检验等稳健性检验方法，验证了研究结果的可靠性和稳定性，进一步支持了数字金融对商业信用具有正向影响以及融资约束在其中起中介作用的研究假设。五、异质性分析5.1企业规模异质性企业规模是影响其融资能力和商业信用获取的重要因素之一，不同规模的企业在面临数字金融发展时，其通过融资约束对商业信用的影响可能存在显著差异。大型企业通常在市场中具有较强的影响力和较高的信用评级，拥有丰富的资源和完善的财务体系。在融资方面，大型企业凭借其规模优势和良好的信用状况，更容易获得银行等传统金融机构的青睐，融资渠道相对广泛，融资成本也相对较低。它们在数字金融发展的浪潮中，能够更迅速地整合数字金融资源，利用数字金融平台拓展融资渠道，进一步增强自身的资金实力。在获取商业信用方面，大型企业由于其强大的市场地位和稳定的经营状况，供应商往往更愿意为其提供商业信用支持，给予较长的付款期限和较高的信用额度。对于大型企业而言，数字金融的发展对其融资约束的缓解作用相对有限。这是因为大型企业本身就具备较强的融资能力，在传统金融体系中已经能够满足大部分的融资需求。数字金融的发展虽然为其提供了更多的融资选择，但对其融资约束的改善程度并不显著。在商业信用方面，由于大型企业与供应商之间已经建立了相对稳定的合作关系，商业信用的规模和使用方式相对成熟，数字金融通过融资约束对商业信用的影响也相对较小。不过，数字金融仍可能通过其他途径对大型企业的商业信用产生一定的间接影响。数字金融的发展促使企业间的信息交流更加便捷，大型企业可以利用数字金融平台获取更多关于供应商和市场的信息，优化供应链管理，从而在商业信用的谈判中占据更有利的地位，进一步提高商业信用的使用效率。小型企业在市场中往往处于相对弱势的地位，规模较小、资产有限、经营稳定性较差，且财务制度不够完善。这些特点使得小型企业在融资过程中面临诸多困难，融资渠道狭窄，融资成本较高，受到的融资约束较为严重。在传统金融体系中，小型企业由于缺乏足够的抵押物和规范的财务报表，难以满足银行的贷款要求，往往只能依赖内部融资或高成本的民间借贷。在获取商业信用方面，小型企业由于自身实力较弱，信用风险相对较高，供应商对其信任度较低，给予的商业信用额度有限，付款期限也较短。数字金融的发展为小型企业带来了新的机遇。数字金融利用大数据、人工智能等技术，能够更准确地评估小型企业的信用状况和还款能力，降低了金融服务的门槛，为小型企业提供了更多的融资渠道。小型企业可以通过数字信贷平台、供应链金融等数字金融模式，快速获得所需资金，有效缓解融资约束。数字金融的发展对小型企业融资约束的缓解作用更为明显，进而对其商业信用产生较大的影响。当小型企业的融资约束得到缓解后，资金流动性增强，能够更及时地支付应付账款，维护良好的商业信用记录，从而更容易获得供应商的信任和支持，商业信用规模得以扩大。小型企业获得数字金融提供的资金后，可以按时支付供应商的货款，提高自身的信用评级，供应商可能会给予更长的付款期限和更高的信用额度，促进商业信用的增加。为了进一步验证企业规模异质性对数字金融通过融资约束影响商业信用的差异，将样本企业按照资产规模的中位数分为大型企业和小型企业两组，分别对中介效应模型进行回归分析。回归结果如表6所示（此处沿用前文稳健性检验中的表6数据）。变量大型企业CC小型企业CC大型企业FC小型企业FC大型企业CC小型企业CCDF0.065***（3.567）0.102***（4.897）-0.045***（-3.234）-0.082***（-4.567）0.038***（2.876）0.065***（3.567）FC0.042***（3.215）0.056***（3.876）SizeLev-0.045***（-3.215）-0.068***（-4.234）0.035***（3.012）0.052***（3.678）-0.038***（-3.012）-0.056***（-3.876）ROA0.038***（3.012）0.056***（3.876）-0.028***（-2.876）-0.045***（-3.234）0.032***（2.876）0.048***（3.567）Growth0.018**（2.345）0.028***（3.012）-0.010**（-2.123）-0.018**（-2.567）0.012**（2.012）0.020**（2.456）Constant-0.287***（-3.654）-0.456***（-4.876）0.189***（3.345）0.324***（3.987）-0.201***（-3.012）-0.324***（-3.876）N[X1][X2][X1][X2][X1][X2]Adj.R²0.3210.3890.2560.3120.3980.456注：括号内为t值，*、、*分别表示在1%、5%、10%的水平上显著，[X1]、[X2]分别为大型企业和小型企业的样本数量。从表中可以看出，在大型企业样本中，数字金融发展水平（DF）对商业信用（CC）的系数为0.065，对融资约束（FC）的系数为-0.045，融资约束（FC）在数字金融与商业信用之间起到部分中介作用，数字金融发展水平（DF）的系数为0.038，融资约束（FC）的系数为0.042。在小型企业样本中，数字金融发展水平（DF）对商业信用（CC）的系数为0.102，对融资约束（FC）的系数为-0.082，融资约束（FC）的中介作用同样显著，数字金融发展水平（DF）的系数为0.065，融资约束（FC）的系数为0.056。通过对比可以发现，小型企业样本中数字金融发展水平（DF）对商业信用（CC）的系数以及对融资约束（FC）的系数绝对值均大于大型企业样本，这表明数字金融对小型企业商业信用的正向影响更为显著，对小型企业融资约束的缓解作用也更强，进一步验证了企业规模异质性对数字金融通过融资约束影响商业信用的差异。5.2行业异质性不同行业在经营模式、资金需求特点、市场竞争程度等方面存在显著差异，这些差异使得数字金融对商业信用的影响以及融资约束在其中的中介作用呈现出明显的行业异质性。制造业作为实体经济的重要支柱，具有生产周期较长、资金需求规模大且周转慢的特点。在生产过程中，制造业企业需要大量资金用于购置原材料、设备，支付员工工资等。其资金回笼往往需要一定的时间，从产品生产到销售回款的周期相对较长。在传统金融模式下，制造业企业由于固定资产占比较高，融资主要依赖银行贷款等间接融资方式，但由于信息不对称等问题，获取资金的难度较大，融资约束较为严重。在商业信用方面，制造业企业之间的交易通常基于长期稳定的合作关系，商业信用的使用较为普遍，应付账款和应付票据是常见的商业信用形式。供应商会根据企业的信誉和合作历史，给予一定的信用额度和付款期限，以促进交易的顺利进行。数字金融的发展对制造业企业的影响较为显著。数字金融通过大数据分析、区块链等技术，能够更准确地评估制造业企业的信用状况和还款能力，为其提供更便捷的融资渠道。数字金融平台可以整合制造业企业的生产数据、销售数据、物流数据等，构建全面的企业信用画像，降低金融机构与企业之间的信息不对称，使企业更容易获得银行贷款、供应链金融等融资支持，有效缓解融资约束。当制造业企业的融资约束得到缓解后，资金流动性增强，能够更及时地支付供应商货款，维护良好的商业信用记录，从而在与供应商的合作中获得更有利的商业信用条件，如更长的付款期限、更高的信用额度等，促进商业信用的增加。服务业是一个涵盖范围广泛的行业，包括金融、物流、餐饮、旅游等多个领域，具有轻资产、高人力资本投入、生产与消费同步等特点。服务业企业的资产主要以无形资产和流动资产为主，缺乏足够的固定资产作为抵押物，这使得其在传统金融体系中融资难度较大，融资渠道相对狭窄。服务业企业的资金需求具有灵活性和及时性的特点，往往需要根据业务的季节性波动、市场需求的变化等及时调整资金规模和使用期限。在商业信用方面，服务业企业之间的交易更多地依赖于服务质量和口碑，商业信用的形式相对多样化，除了应付账款、预收账款外，还包括服务预付款、消费信贷等。在餐饮服务业，消费者可能会提前预订并支付餐费，这就形成了企业的预收账款；在金融服务业，客户可能会提前支付服务费用，获得相应的金融服务。数字金融的发展为服务业企业带来了新的机遇和挑战。一方面，数字金融通过互联网平台、移动支付等技术，为服务业企业提供了更便捷的支付结算服务，降低了交易成本，提高了资金周转效率。移动支付的普及使得服务业企业能够更快速地收到客户的付款，减少了现金管理的成本和风险。数字金融还为服务业企业提供了更多的融资选择，如网络借贷、股权众筹等，缓解了融资约束。一些小型的餐饮企业可以通过网络借贷平台获得短期资金支持，用于采购食材、支付租金等。另一方面，数字金融的发展也加剧了服务业市场的竞争，对企业的服务质量和创新能力提出了更高的要求。随着数字金融的发展，金融科技公司纷纷进入金融服务领域，与传统金融机构展开竞争，这使得金融服务业企业面临更大的竞争压力，需要不断创新服务模式，提高服务质量，以吸引客户。为了进一步验证行业异质性对数字金融通过融资约束影响商业信用的差异，将样本企业按照证监会行业分类标准分为制造业和服务业两组，分别对中介效应模型进行回归分析。回归结果如表7所示。变量制造业CC服务业CC制造业FC服务业FC制造业CC服务业CCDF0.095***（4.876）0.072***（3.567）-0.075***（-4.567）-0.055***（-3.234）0.062***（3.654）0.045***（3.012）FC0.055***（3.876）0.048***（3.456）Size0.035***（3.215）0.028***（3.012）-0.028***（-3.123）-0.020***（-2.456）0.030***（3.012）0.025***（2.876）Lev-0.060***（-4.234）-0.050***（-3.654）0.045***（3.678）0.038***（3.456）-0.050***（-3.876）-0.042***（-3.543）ROA0.048***（3.876）0.040***（3.567）-0.038***（-3.345）-0.030***（-3.012）0.040***（3.456）0.035***（3.345）Growth0.025***（3.012）0.020***（2.567）-0.015**（-2.567）-0.010**（-2.123）0.018**（2.456）0.015**（2.234）Constant-0.387***（-4.876）-0.324***（-4.231）0.256***（3.987）0.201***（3.567）-0.287***（-3.876）-0.223***（-3.567）N[X3][X4][X3][X4][X3][X4]Adj.R²0.3980.3560.3120.2780.4560.423注：括号内为t值，*、、*分别表示在1%、5%、10%的水平上显著，[X3]、[X4]分别为制造业和服务业的样本数量。从表7可以看出，在制造业样本中，数字金融发展水平（DF）对商业信用（CC）的系数为0.095，对融资约束（FC）的系数为-0.075，融资约束（FC）在数字金融与商业信用之间起到部分中介作用，数字金融发展水平（DF）的系数为0.062，融资约束（FC）的系数为0.055。在服务业样本中，数字金融发展水平（DF）对商业信用（CC）的系数为0.072，对融资约束（FC）的系数为-0.055，融资约束（FC）的中介作用同样显著，数字金融发展水平（DF）的系数为0.045，融资约束（FC）的系数为0.048。通过对比可以发现，制造业样本中数字金融发展水平（DF）对商业信用（CC）的系数以及对融资约束（FC）的系数绝对值均大于服务业样本，这表明数字金融对制造业企业商业信用的正向影响更为显著，对制造业企业融资约束的缓解作用也更强，验证了行业异质性对数字金融通过融资约束影响商业信用的差异。六、案例分析6.1案例企业选取为了更直观、深入地验证数字金融对商业信用的影响以及融资约束在其中的中介作用，本研究选取了两家具有代表性的企业作为案例进行分析，分别为小米集团（以下简称“小米”）和浙江苏泊尔股份有限公司（以下简称“苏泊尔”）。选择这两家企业的主要原因如下：小米作为一家在全球具有广泛影响力的科技企业，其业务涵盖智能手机、智能硬件、物联网等多个领域，发展速度迅猛，对资金的需求和运用较为频繁。在数字金融蓬勃发展的时代背景下，小米积极拥抱数字金融，通过多种数字金融工具和平台获取资金，优化资金配置。小米与多家数字金融机构合作，开展供应链金融业务，为其上下游供应商提供融资支持，同时自身也借助数字金融平台进行融资，缓解融资约束。小米的商业模式和发展路径具有较强的创新性和代表性，能够很好地体现数字金融对科技型企业商业信用的影响。苏泊尔是中国厨房小家电行业的领军企业，具有稳定的市场地位和成熟的供应链体系。在传统制造业领域，商业信用是企业融资和供应链管理的重要手段。苏泊尔在与供应商和客户的合作中，广泛运用商业信用，如应付账款、预收账款等。随着数字金融的发展，苏泊尔也逐渐受到数字金融的影响，其融资渠道和商业信用模式发生了一定的变化。研究苏泊尔的案例，有助于深入了解数字金融对传统制造业企业商业信用的作用机制，以及融资约束在其中的中介效应。这两家企业所处行业不同，发展阶段和规模也存在差异，但都在数字金融发展的浪潮中受到了影响，通过对它们的案例分析，可以更全面地验证研究假设，为不同类型企业在数字金融时代优化商业信用管理提供参考。6.2案例企业数字金融应用与商业信用变化6.2.1小米集团小米集团自成立以来，凭借其创新的产品和营销策略，在智能手机、智能硬件等领域迅速崛起，业务规模不断扩大，对资金的需求也日益增长。随着数字金融的发展，小米积极布局数字金融领域，与多家数字金融机构开展合作。小米与多家银行合作推出了小米联名信用卡，用户可以通过小米金融APP申请办理，享受消费返现、积分兑换等优惠活动。这不仅为用户提供了便捷的支付方式，也为小米带来了一定的资金沉淀。小米还与互联网金融平台合作，开展供应链金融业务，为其上下游供应商提供融资支持。小米利用自身在供应链中的核心地位，将供应商的应收账款进行质押融资，帮助供应商解决资金