高 斌，張金龍

（廣西民族大學經(jīng)濟學院，廣西南寧 530006）

在數(shù)字經(jīng)濟時代，全球正面臨金融創(chuàng)新、科技變革和經(jīng)濟安全的深刻調(diào)整，實體部門面臨低端外遷和高端回流的疊加壓力，產(chǎn)能過剩、投資回報率下滑、嚴格的環(huán)境規(guī)制等導致實體部門與金融部門的投資回報率進一步拉大。習近平總書記指出，“金融是實體經(jīng)濟的血脈，為實體經(jīng)濟服務是金融的天職，是金融的宗旨”。《中華人民共和國國民經(jīng)濟和社會發(fā)展第十四個五年規(guī)劃和2035年遠景目標綱要》強調(diào)，要構建金融有效支持實體經(jīng)濟的體制機制。隨著金融產(chǎn)品的擴容和衍生，風險在金融和實體部門之間交叉?zhèn)鬟f，資本在實體部門和金融部門之間的無序流動引起了監(jiān)管機構的關注。從宏觀層面看，實體經(jīng)濟金融化導致實體部門成為融資中介賺取信貸利差，影子銀行體系和銀行影子業(yè)務膨脹，風險傳染誘發(fā)系統(tǒng)性風險增大，貨幣資金在金融體系內(nèi)空轉(zhuǎn)，貨幣與財政政策工具失效等[1]；從微觀層面看，金融機構創(chuàng)造和打包出售對沖投資風險的金融產(chǎn)品，通過投資、并購滲透或控股實體企業(yè)來延長產(chǎn)業(yè)鏈。實體企業(yè)資產(chǎn)配置偏向金融產(chǎn)品，甚至充當融資中介，將資金借貸給上下游企業(yè)賺取利差[2]。實體部門的金融化現(xiàn)象已經(jīng)受到了監(jiān)管機構和實務界的密切關注。應厘清企業(yè)金融資產(chǎn)配置的動機，尤其需要關注數(shù)字經(jīng)濟背景下實體經(jīng)濟金融化的新趨勢，為實務界金融資產(chǎn)的適度性和最優(yōu)配置提供判別準則，也為監(jiān)管部門防范系統(tǒng)性風險和維護金融穩(wěn)定提供理論基礎。

一、文獻綜述

數(shù)字科技的創(chuàng)新和數(shù)字經(jīng)濟的發(fā)展需要以信息網(wǎng)絡為載體，數(shù)據(jù)只有通過接入網(wǎng)絡才能深刻影響社會治理和企業(yè)經(jīng)濟績效。2013年國務院發(fā)布《“寬帶中國”戰(zhàn)略及實施方案》，旨在激發(fā)數(shù)字經(jīng)濟潛能，有效支撐經(jīng)濟社會數(shù)字化、網(wǎng)絡化和智能化轉(zhuǎn)型。數(shù)字基建與傳統(tǒng)基建都具有基礎性、公共性和外部性等一般屬性，但數(shù)字基建在服務對象、技術經(jīng)濟特征和應用場景上與傳統(tǒng)基建存在較大差異，特別為數(shù)字金融和數(shù)字科技的發(fā)展提供了便利。A、B、C、D技術①的迅速發(fā)展成為經(jīng)濟增長的新引擎，催生了一系列新產(chǎn)業(yè)新業(yè)態(tài)新模式，成為助力傳統(tǒng)產(chǎn)業(yè)轉(zhuǎn)型升級的新動能[3]。現(xiàn)有研究發(fā)現(xiàn)，數(shù)字基建既可以驅(qū)動經(jīng)濟增長、賦能外貿(mào)出口升級和提高城市創(chuàng)新水平[4-6]，也可以促進企業(yè)技術知識擴散，加速企業(yè)數(shù)字化轉(zhuǎn)型和拓展企業(yè)的創(chuàng)新邊界[7-9]。

企業(yè)金融化是指非金融類企業(yè)在資產(chǎn)配置比例、生產(chǎn)投資活動和利潤來源渠道上偏向于金融資產(chǎn)[10-11]。既有文獻分別從宏觀和微觀視角分析企業(yè)金融資產(chǎn)配置的影響因素。從宏觀政治經(jīng)濟層面來看，分為經(jīng)濟環(huán)境和周期、經(jīng)濟政策不確定、貿(mào)易政策不確定性和產(chǎn)業(yè)政策等因素[1，11-13]；從企業(yè)微觀層面看，分為企業(yè)內(nèi)部控制水平、CEO金融背景、股權性質(zhì)和大股東持股等因素[14-16]。既有文獻還重點探討了企業(yè)金融化的經(jīng)濟效應，發(fā)現(xiàn)企業(yè)金融資產(chǎn)配置的不同比例以及企業(yè)股權性質(zhì)、所屬行業(yè)、政治關聯(lián)度等均會對企業(yè)績效產(chǎn)生非線性影響。企業(yè)金融化導致企業(yè)資本積累率下降，企業(yè)研發(fā)投入被擠占，企業(yè)投資效率降低[17-18]；相反，也有觀點認為企業(yè)持有金融資產(chǎn)會降低其經(jīng)營風險、平滑企業(yè)投資的波動率[19-20]。

現(xiàn)有文獻探討了數(shù)字基建的經(jīng)濟效應，以及企業(yè)金融資產(chǎn)配置的成因和經(jīng)濟效應，但數(shù)字基建對企業(yè)金融化是產(chǎn)生抑制作用還是促進作用？數(shù)字基建基于何種動機對企業(yè)金融資產(chǎn)配置產(chǎn)生影響？明晰上述問題既有助于拓展數(shù)字基建的微觀績效研究，也可以豐富企業(yè)金融資產(chǎn)配置驅(qū)動因素的研究。因此，本文以“寬帶中國”戰(zhàn)略為準自然實驗，構建多期雙重差分（Differences-in-Differences，DID）模型，實證檢驗數(shù)字基建對企業(yè)金融資產(chǎn)配置的影響。

本文可能的邊際貢獻有三：一是為企業(yè)金融資產(chǎn)配置的動機識別提供新視角，本文基于數(shù)字基建這一非經(jīng)濟或財務框架，拓展了企業(yè)金融資產(chǎn)配置動機研究；二是以“寬帶中國”戰(zhàn)略進行準自然實驗，從微觀層面分析數(shù)字基建對企業(yè)金融資產(chǎn)配置的影響，豐富數(shù)字基建政策微觀經(jīng)濟績效的研究，同時排除反向因果的內(nèi)生性問題；三是通過融資約束傳導機制，厘清企業(yè)金融資產(chǎn)配置是出于風險規(guī)避動機還是投資替代動機，同時從企業(yè)內(nèi)外部監(jiān)督的視角分階段探討“數(shù)字基建—融資約束—企業(yè)金融資產(chǎn)配置”的影響機制。

二、理論分析與研究假設

（一）融資約束與企業(yè)金融資產(chǎn)配置

企業(yè)金融資產(chǎn)配置動機主要分為風險規(guī)避動機和投資替代動機。在風險規(guī)避動機下，企業(yè)持有金融資產(chǎn)以緩解融資約束，形成流動性儲蓄以保障實體經(jīng)濟發(fā)展，防止現(xiàn)金流短缺導致的財務困境。在投資替代動機下，企業(yè)認為代理問題會導致金融和實體部門投資回報率差距的擴大以及金融資產(chǎn)更強的逐利性。根據(jù)委托代理理論，代理沖突可分為管理層與股東代理沖突（第一類）和大股東與小股東代理沖突（第二類）[21]。在第一類代理沖突中，管理層和股東之間的信息不對稱和激勵不相容，致使短視的管理層為緩解職位晉升和薪酬考核壓力有配置更多金融資產(chǎn)獲取收益的短視激勵[16]。在第二類代理沖突中，大股東和小股東沖突的加劇，會導致大股東通過關聯(lián)交易或占用上市公司資金等手段損害小股東權益[22]，在企業(yè)現(xiàn)金流權和控制權不匹配時，短視的大股東會配置更多的金融資產(chǎn)以獲取超額收益[16]。

現(xiàn)有文獻對企業(yè)配置金融資產(chǎn)是基于風險規(guī)避動機還是投資替代動機尚未達成一致[23]。本文嘗試通過融資約束這一中介變量來厘清企業(yè)的金融資產(chǎn)配置動機。我國信貸資源配置存在信貸歧視和信貸錯配問題，企業(yè)異質(zhì)性特征和行業(yè)差異導致不同企業(yè)面臨的融資壓力不同。國有企業(yè)和資本密集型企業(yè)持有大量的固定資產(chǎn)和充裕的現(xiàn)金流，可以通過抵押優(yōu)質(zhì)資產(chǎn)獲取銀行信貸支持，較小的融資壓力使得這些企業(yè)對配置金融資產(chǎn)沒有剛性需求。國有企業(yè)和資本密集型企業(yè)甚至會充當金融中介，將獲得的銀行信貸通過商業(yè)信用提供給上下游企業(yè)。而民營企業(yè)和非資本密集型企業(yè)由于缺乏優(yōu)質(zhì)抵押品而面臨嚴重的融資難題，銀行信貸的高風險溢價會限制民營企業(yè)和非資本密集型企業(yè)的投資活動、壓縮利潤空間，甚至會通過國有企業(yè)和資本密集型企業(yè)獲得更高利率的轉(zhuǎn)貸資金[11，24]。徐（Xu）等[2]研究發(fā)現(xiàn)，持有交易性金融資產(chǎn)使得企業(yè)能夠從內(nèi)部融資渠道獲取現(xiàn)金流，降低企業(yè)融資約束，促進產(chǎn)業(yè)投資，以增強企業(yè)研發(fā)支出的可持續(xù)性。

（二）數(shù)字基建與企業(yè)融資約束

數(shù)字基建的正外部性會產(chǎn)生積極的溢出效應，為數(shù)字金融和數(shù)字科技等新興業(yè)態(tài)發(fā)展提供便利。一方面，數(shù)字金融和數(shù)字科技可以有效降低銀企之間的信息不對稱程度。銀行通過A、B、C、D等數(shù)字技術增強信息搜集能力，實現(xiàn)對優(yōu)質(zhì)企業(yè)的快速甄別，加快信貸供給與需求的匹配速度，通過縮短審核時間和擴大授信規(guī)模緩解企業(yè)融資約束。數(shù)字金融和數(shù)字科技為銀行對企業(yè)信用的動態(tài)評估提供技術保證，提高信貸資源的配置效率，通過降低風險溢價緩解企業(yè)的融資約束[11]。另一方面，數(shù)字基建賦能的互聯(lián)網(wǎng)金融能降低企業(yè)對傳統(tǒng)信貸資源的依賴，緩解借貸市場中的道德風險和逆向操作沖突，打破傳統(tǒng)金融機構設定的融資邊界。大數(shù)據(jù)處理模式有助于跨越傳統(tǒng)金融機構設定的融資門檻，數(shù)字基建有助于降低企業(yè)尋找分散投資者的邊際成本，助力企業(yè)以較低的成本實現(xiàn)企業(yè)投融資活動和資金轉(zhuǎn)移支付，促進不同企業(yè)之間以及企業(yè)與投資者之間的快速有效聯(lián)結(jié)。

除了對傳統(tǒng)銀行體系和互聯(lián)網(wǎng)金融有間接溢出效應外，數(shù)字基建的邊際成本遞減效應還會直接滲透到企業(yè)內(nèi)部。數(shù)字基建通過優(yōu)化企業(yè)經(jīng)營模式緩解企業(yè)的融資約束，打破企業(yè)傳統(tǒng)經(jīng)營范圍和模式的限制。數(shù)字基建產(chǎn)生的規(guī)模報酬遞增和范圍經(jīng)濟直接影響屬地企業(yè)，企業(yè)通過產(chǎn)業(yè)數(shù)字化降低固定成本的損耗和生產(chǎn)邊際成本。數(shù)字基建和企業(yè)的數(shù)字化轉(zhuǎn)型降低了企業(yè)生產(chǎn)和交易的不確定性，避免企業(yè)生產(chǎn)規(guī)模過大和生產(chǎn)環(huán)節(jié)過度細化導致的非效率生產(chǎn)[25]。同時，數(shù)字基建和互聯(lián)網(wǎng)的長尾效應解決了尾部消費者的需求[26]，讓消費者以更低的搜尋成本實現(xiàn)更多選擇，使企業(yè)通過銷售平臺數(shù)字化精準匹配消費者需求和攫取更多的消費者剩余。

數(shù)字基建通過降低交易成本緩解企業(yè)的融資約束。數(shù)字基建的網(wǎng)絡外部性有利于技術創(chuàng)新在企業(yè)間產(chǎn)生溢出效應，以信息化的方式突破距離和邊界的限制，降低溝通成本和提高信息傳遞質(zhì)量，緩解創(chuàng)新過程中的信息不對稱問題[7]。此外，數(shù)字基建有助于企業(yè)專注生產(chǎn)環(huán)節(jié)的價值創(chuàng)造，可以動態(tài)地配置生產(chǎn)環(huán)節(jié)，并利用企業(yè)外部的資源為企業(yè)內(nèi)部的生產(chǎn)和經(jīng)營服務，通過生產(chǎn)環(huán)節(jié)的分工降低企業(yè)的交易成本[27]。

綜上所述，本文基于數(shù)字基建的正外部性，分別在風險規(guī)避和投資替代兩種動機下，通過融資約束探討數(shù)字基建對企業(yè)金融資產(chǎn)配置的影響。數(shù)字基建對數(shù)字金融、銀行科技的間接溢出效應能拓寬企業(yè)融資渠道，降低信貸融資的風險溢價；數(shù)字基建對企業(yè)的直接溢出效應能優(yōu)化企業(yè)經(jīng)營模式，降低交易成本，緩解了企業(yè)融資約束。如果企業(yè)金融資產(chǎn)配置的風險規(guī)避動機占主導地位，數(shù)字基建對融資約束的緩解會弱化企業(yè)的預防性儲蓄動機，企業(yè)將通過削減金融資產(chǎn)配置比例，促進實體經(jīng)濟發(fā)展。相反，如果企業(yè)金融資產(chǎn)配置的投資替代動機占主導地位，數(shù)字基建對融資約束的減少會增加企業(yè)配置金融資產(chǎn)的資金，企業(yè)將通過提高金融資產(chǎn)配置比例，抑制實體經(jīng)濟發(fā)展。由此，本文提出以下假設：

H1：若企業(yè)出于風險規(guī)避動機配置金融資產(chǎn)，數(shù)字基建負向影響企業(yè)金融資產(chǎn)配置；若企業(yè)出于投資替代動機配置金融資產(chǎn)，數(shù)字基建正向影響企業(yè)金融資產(chǎn)配置。

三、研究設計

（一）樣本選擇與數(shù)據(jù)來源

本文選取2010—2021年滬深A股市場的上市企業(yè)作為樣本。研究過程中涉及的財務數(shù)據(jù)來自企業(yè)年報、國泰安數(shù)據(jù)服務中心（CSMAR）、RESSET 金融研究數(shù)據(jù)庫和萬得（Wind）數(shù)據(jù)庫。“寬帶中國”示范城市名單在中華人民共和國工業(yè)和信息化部（以下簡稱“工信部”）以及中華人民共和國國家發(fā)展和改革委員會（以下簡稱“國家發(fā)改委”）網(wǎng)站獲取。省市數(shù)據(jù)來源于中國統(tǒng)計年鑒、中國金融年鑒，并從樣本中剔除金融業(yè)企業(yè)和房地產(chǎn)企業(yè)、ST 類和PT 類企業(yè)、指標缺失或數(shù)據(jù)異常的企業(yè)、沒有省市匹配的企業(yè)。為了消除異常值對實證分析的干擾，對所有連續(xù)變量進行1%的雙側(cè)縮尾處理，最終得到有效樣本量為26 118個。

（二）變量測度和實證模型

1.變量測度

被解釋變量：企業(yè)金融資產(chǎn)配置（FIN）。本文參考劉珺等[28]和彭俞超等[29]的方法，將交易性金融資產(chǎn)、衍生金融資產(chǎn)、可供出售金融資產(chǎn)凈額、持有至到期投資凈額和投資性房地產(chǎn)凈額劃為金融資產(chǎn)，然后用這五個會計科目的累加值除以企業(yè)規(guī)模。同時，本文將非金融企業(yè)投資收益、公允價值變動損益及其他綜合收益等金融渠道獲利加總占營業(yè)利潤的比例作為企業(yè)金融資產(chǎn)配置的替代變量（FIN1）進行穩(wěn)健性檢驗。

機制變量：在融資約束測度方法中，WW指數(shù)和KZ指數(shù)通過內(nèi)生財務變量計算，SA指數(shù)使用企業(yè)規(guī)模和上市年限計算。為了避免內(nèi)生性問題，本文參考顧雷雷[16]的方法，對資產(chǎn)規(guī)模、現(xiàn)金股利支付率、成立年限進行標準化處理，按照均值和企業(yè)1/3 分位數(shù)劃分虛擬變量，然后用Logit 回歸擬合各年度的融資約束發(fā)生概率，對融資約束（FC）進行測度。地區(qū)市場化水平（Market）：參考解學梅等[30]的研究，利用主成分分析法，從政府與市場的關系、非國有經(jīng)濟的發(fā)展、產(chǎn)品市場的發(fā)育程度、要素市場的發(fā)育程度、市場中介組織發(fā)育與法律制度環(huán)境五個層面進行測度。地區(qū)金融監(jiān)管水平（Pjrjg）：參考唐松等[31]的研究，用金融監(jiān)管支出占金融業(yè)增加值的比例測度。企業(yè)股權性質(zhì)（SOE）：基于企業(yè)實際控制人的產(chǎn)權屬性設置虛擬變量，國有企業(yè)賦值為1，非國有企業(yè)賦值為0。企業(yè)內(nèi)部控制水平（Gszlsp）：參考顧乃康等[32]的研究，采用主成分分析法，從股權結(jié)構、股權性質(zhì)、控股股東行為、管理層治理、董事會治理和外部市場競爭六個層面測度。

控制變量：企業(yè)規(guī)模（Size），用總資產(chǎn)取自然對數(shù)表示；企業(yè)年齡（Age），用上市年限取自然對數(shù)表示；資產(chǎn)負債率（Lev），用年末總負債占年末總資產(chǎn)比表示；凈資產(chǎn)收益率（ROA），用凈利潤占年末總資產(chǎn)的比例表示；固定資產(chǎn)占比（Fixed），用固定資產(chǎn)凈額占年末總資產(chǎn)比表示；現(xiàn)金流比率（Cashflow），用經(jīng)營活動產(chǎn)生的現(xiàn)金流量凈額占年末總資產(chǎn)比表示；營業(yè)收入增長率（Growth），用本年末營業(yè)收入與上年末營業(yè)收入之差占上年末營業(yè)收入比表示；董事人數(shù)（Board），用董事會人數(shù)取自然對數(shù)表示；兩職合一（Dual），賦值為0 或者1，當董事長與總經(jīng)理是同一個人時，賦值為1，否則為0。行業(yè)劃分參照中國證券監(jiān)督管理委員會2012年公布的《上市公司行業(yè)分類指引》。

2.模型構建

將工信部及國家發(fā)改委公布的“寬帶中國”示范城市名單與上市企業(yè)進行匹配，示范城市分2014 年、2015 年和2016 年三個批次公布，本文基于多期DID 模型進行因果推斷。在“寬帶中國”戰(zhàn)略實施過程中，示范城市覆蓋的企業(yè)會受到“寬帶中國”戰(zhàn)略的影響，本文將全部樣本按是否受到“寬帶中國”戰(zhàn)略影響分成實驗組和對照組，通過兩組子樣本比較以及戰(zhàn)略實施前后差異來評估政策所帶來的凈效應，構造固定效應面板模型（1）。

表1 變量描述性統(tǒng)計結(jié)果

其中，F(xiàn)INjt是企業(yè)j在t年的金融化水平，即金融資產(chǎn)配置水平。PILOTjt是政策虛擬變量，如果上市企業(yè)屬于“寬帶中國”示范城市，賦值為1，否則取0。時間虛擬變量T的取值需要考慮各城市納入時間，在納入當年及以后，取值為1，否則取值為0。PILOT×T是政策虛擬變量PILOT和時間虛擬變量T的交互項。本文采用多期雙重差分模型，PILOT×T和時間虛擬變量T之間具有完全多重共線性，模型（1）中沒有列入政策虛擬變量PILOT和時間虛擬變量T。a1是截距項，系數(shù)a2反映“寬帶中國”戰(zhàn)略實施前后示范城市覆蓋企業(yè)金融資產(chǎn)配置水平的凈效應。fj是企業(yè)個體固定效應，ft和fi是年份和行業(yè)固定效應，ξjt是隨機擾動項，回歸結(jié)果在企業(yè)層面進行聚類標準誤。此外，無論是省級層面還是城市層面，固定效應下系數(shù)估計值為0，沒有對省市進行固定。較小。為了政策識別的穩(wěn)健性，列（4）控制了年份和行業(yè)的交互項，結(jié)果依舊穩(wěn)健?；貧w結(jié)果表明，數(shù)字基建顯著正向影響企業(yè)金融資產(chǎn)配置，即數(shù)字基建存在金融化效應，企業(yè)出于投資替代動機提高金融資產(chǎn)配置比例，H1后半部分得證。

四、實證檢驗

（一）數(shù)字基建對企業(yè)金融資產(chǎn)配置的影響檢驗

基于模型（1），通過多期DID模型，評估“寬帶中國”戰(zhàn)略對企業(yè)金融化的凈效應，基準回歸結(jié)果如表2 所示。列（1）不加入任何控制變量，列（2）和列（3）在加入控制變量的基礎上累計加入年份固定效應和行業(yè)固定效應。通過分析發(fā)現(xiàn)，PILOT×T系數(shù)均在1%的置信水平上顯著為正且截距項均不顯著，遺漏變量的可能性

表2 數(shù)字基建對企業(yè)金融資產(chǎn)配置影響的基準回歸結(jié)果

（二）平行趨勢檢驗與政策動態(tài)效應

參考吳茵茵等[33]的研究，基于事件分析法檢驗企業(yè)金融資產(chǎn)配置的平行趨勢假設是否成立并分析“寬帶中國”戰(zhàn)略的動態(tài)效應。構造以下固定效應面板模型（2）：

其中，β-k表示政策實施之前第k年的影響；βk表示政策實施之后第k年的影響；β表示政策實施當期的影響，Dj，t-k、Djt和Dj，t+k分別表示政策啟動前各年、啟動當年和啟動后各年和政策虛擬變量的交互項，其他符號和變量含義同模型（1）。

表3是基于模型（2）進行平行趨勢檢驗的回歸結(jié)果，僅列示了各年度和政策虛擬變量交互項的回歸系數(shù)。為了排除“寬帶中國”戰(zhàn)略的預期效應，表3 的列（1）剔除了政策啟動前一年（2013 年）的樣本，回歸系數(shù)β-k的結(jié)果表明，政策實施前2009—2012 年對應系數(shù)均未通過顯著性檢驗，實驗組和對照組企業(yè)金融資產(chǎn)配置水平的變動趨勢滿足平行趨勢假設。系數(shù)β及βk的回歸結(jié)果顯示，“寬帶中國”戰(zhàn)略實施當年（2014 年）就產(chǎn)生了顯著效果且影響系數(shù)呈強化趨勢。表3列（2）考慮了政策的漸進性，將2011—2013 年的樣本剔除?；貧w系數(shù)β-k的結(jié)果表明，政策啟動前2008—2010年對應系數(shù)均未通過顯著性檢驗，排除了政策預期效應后仍滿足平行趨勢假設。系數(shù)β及βk的回歸結(jié)果顯示，2014 年政策實施當年數(shù)字基建就對企業(yè)金融資產(chǎn)配置產(chǎn)生影響。綜上，企業(yè)金融資產(chǎn)配置在“寬帶中國”戰(zhàn)略實施前后滿足平行趨勢假設，且在政策實施當年（2014 年）數(shù)字基建就提高了企業(yè)金融資產(chǎn)配置比例。

表3 平行趨勢檢驗結(jié)果及政策動態(tài)效果

（三）其他穩(wěn)健性檢驗

基于模型（1）的基準回歸和基于模型（2）的平行趨勢檢驗表明，數(shù)字基建顯著正向影響企業(yè)金融資產(chǎn)配置，為了排除其他因素對“寬帶中國”戰(zhàn)略識別的干擾，分別通過替換被解釋變量法、PSMDID法、剔除部分特殊樣本法、安慰劑法進行穩(wěn)健性檢驗。

第一，替換被解釋變量。本文將非金融企業(yè)投資收益、公允價值變動損益及其他綜合收益等金融渠道獲利加總占營業(yè)利潤的比例作為企業(yè)金融資產(chǎn)配置的替代變量（FIN1）進行穩(wěn)健性檢驗。

第二，進行PSM-DID 檢驗。通過內(nèi)核匹配和1：3最近鄰匹配方法解決樣本選擇偏差。

第三，剔除部分特殊樣本。直轄市屬于省級單位，其面臨更多的政策試點，本文將直轄市剔除。

第四，安慰劑檢驗。將時間窗口縮短，保留2011—2013 年數(shù)據(jù)，且將政策啟動時間提前至2012年進行反事實檢驗。

穩(wěn)健性檢驗結(jié)果如表4所示。從表4列（1）至列（3）回歸結(jié)果來看，無論是替換被解釋變量、PSM-DID檢驗，還是剔除直轄市樣本，數(shù)字基建對企業(yè)金融資產(chǎn)配置的影響均顯著為正。表4列（4）的回歸系數(shù)t值為0.24，PILOT×T回歸系數(shù)不顯著，反向說明了基準回歸的穩(wěn)健性，通過了安慰劑檢驗。

表4 穩(wěn)健性檢驗結(jié)果

（四）數(shù)字基建影響金融資產(chǎn)配置的中介效應檢驗

表2的基準回歸結(jié)果表明數(shù)字基建正向調(diào)節(jié)企業(yè)金融資產(chǎn)配置水平，表3的平行趨勢檢驗結(jié)果以及表4 的穩(wěn)健性檢驗結(jié)果表明基準回歸結(jié)果穩(wěn)健。接下來對潛在影響機制探討數(shù)字基建通過緩解企業(yè)融資約束實現(xiàn)對金融資產(chǎn)配置的影響。為了有效識別融資約束的傳導機制，參考溫忠麟等[34]的中介效應檢驗方法，構造以下固定效應模型：

其中，F(xiàn)Cjt是企業(yè)融資約束代理變量，其他符號和變量含義同模型（1）。測試b2和c3系數(shù)的顯著性，如果兩個系數(shù)都顯著，則間接效應存在。進一步識別是部分中介效應還是遮掩效應，在c2系數(shù)顯著時，如果c2與b2×c3同向即為部分中介效應，異號為遮掩效應。

表5列（1）和列（2）顯示了基于模型（3）和模型（4）的融資約束中介效應檢驗結(jié)果，用以分析數(shù)字基建影響企業(yè)金融資產(chǎn)配置的融資約束渠道是否成立。其中，列（1）是基于模型（3）的回歸結(jié)果，PILOT×T系數(shù)為負且通過了1%水平的顯著性檢驗，表明數(shù)字基建的正外部性拓寬了企業(yè)獲取資金的資源通道，緩解了企業(yè)面臨的融資約束問題。列（2）是基于模型（4）的回歸結(jié)果，PILOT×T系數(shù)為正，F(xiàn)C系數(shù)為負，且均通過了1%水平的顯著性檢驗，表明數(shù)字基建對企業(yè)融資約束的緩解強化了金融資產(chǎn)配置的投資替代動機，使資產(chǎn)配置流向了金融資產(chǎn)。b2和c3系數(shù)的乘積（-0.011 3×-0.071 5）與直接效應系數(shù)c2（0.006 0）方向一致且均通過了1%水平的顯著性檢驗，證明融資約束存在部分中介效應，數(shù)字基建緩解融資約束會增加企業(yè)金融資產(chǎn)的資金來源，企業(yè)將提高金融資產(chǎn)配置比例，抑制實體經(jīng)濟發(fā)展。

表5 數(shù)字基建影響金融資產(chǎn)配置的機制檢驗結(jié)果

（五）數(shù)字基建影響企業(yè)金融資產(chǎn)配置的調(diào)節(jié)效應檢驗

數(shù)字基建有助于提高企業(yè)金融資產(chǎn)配置比例，但“寬帶中國”戰(zhàn)略下的融資約束傳導機制及其對企業(yè)金融資產(chǎn)配置水平的影響會受到外部環(huán)境以及企業(yè)異質(zhì)性特征的影響。本文通過構建模型（5）進行外部環(huán)境的調(diào)節(jié)機制分析：

其中，Mediator為調(diào)節(jié)變量，具體為地區(qū)金融監(jiān)管水平（Pjrjg）和地區(qū)市場化水平（Market），PILOT×Tjt×Mediatorjt是雙重差分項和調(diào)節(jié)變量的交互項，a4為對應系數(shù)，用以判斷調(diào)節(jié)變量在“寬帶中國”戰(zhàn)略對金融資產(chǎn)配置影響中作用的方向和大小，其他符號和變量含義同模型（1）。

表5列（3）和列（4）是基于模型（5）的外部環(huán)境的調(diào)節(jié)效應檢驗結(jié)果。數(shù)字金融和金融科技的產(chǎn)生和發(fā)展是將前沿科技嵌入傳統(tǒng)金融的迭代創(chuàng)新過程，產(chǎn)生了金融效率和金融安全的平衡問題，金融監(jiān)管部門在監(jiān)督金融促進實體經(jīng)濟發(fā)展的同時需要有效把控風險[31]。表5 列（3）為地區(qū)金融監(jiān)管水平調(diào)節(jié)效應的回歸結(jié)果，Pjrjg×PILOT×T回歸系數(shù)為-0.247 9 且通過了1%水平的顯著性檢驗，即較高的地區(qū)金融監(jiān)管水平抑制了數(shù)字基建對企業(yè)金融資產(chǎn)配置的正向影響，金融監(jiān)管力度增大可以減少金融科技的監(jiān)管套利和風險衍生行為，強化數(shù)字金融的靶向作用。

表5列（4）為地區(qū)市場化水平調(diào)節(jié)效應的回歸結(jié)果，Market×PILOT×T回歸系數(shù)為0.003 6 且通過了1%水平的顯著性檢驗，表明較高的地區(qū)市場化水平強化了數(shù)字基建對企業(yè)金融資產(chǎn)配置的正向影響。地區(qū)市場化水平高的城市，經(jīng)濟發(fā)展和信息化水平高，資源流通配置能力強，可為企業(yè)營造良好的金融生態(tài)環(huán)境[35]。當企業(yè)特質(zhì)風險增加和銀行信貸收縮時，企業(yè)會將商業(yè)信貸和非正規(guī)信貸等作為替代融資方式，以進一步緩解企業(yè)面臨的融資約束。

五、融資約束影響機制的異質(zhì)性分析

分析企業(yè)內(nèi)外部監(jiān)管在“數(shù)字基建—融資約束—企業(yè)金融資產(chǎn)配置”兩階段傳導機制中的異質(zhì)性影響。在模型（3）和模型（4）融資約束中介效應檢驗的基礎上引入企業(yè)股權性質(zhì)（SOE）和企業(yè)內(nèi)部控制水平（Gszlsp），進一步識別內(nèi)外部監(jiān)管對企業(yè)金融資產(chǎn)配置的異質(zhì)性影響。首先，分析企業(yè)股權性質(zhì)和企業(yè)內(nèi)部控制水平對第一階段（數(shù)字基建—融資約束）的影響，以判斷該階段是否受到內(nèi)外部監(jiān)管的影響。其次，檢驗企業(yè)股權性質(zhì)和企業(yè)內(nèi)部控制水平對第二階段（融資約束—企業(yè)金融資產(chǎn)配置）的影響，以確定資金使用是否會因缺乏內(nèi)外部監(jiān)管而出現(xiàn)管理層和大股東的自利行為。為了有效識別企業(yè)內(nèi)外部監(jiān)管中介機制的異質(zhì)性，構造以下固定效應模型：

其中，Mediator為調(diào)節(jié)變量，具體分為企業(yè)股權性質(zhì)（SOE）和企業(yè)內(nèi)部控制水平（Gszlsp）。PILOT×Tjt×Mediatorjt是雙重差分項和調(diào)節(jié)變量的交互項，a4為對應系數(shù)，用以判斷數(shù)字基建對融資約束影響下調(diào)節(jié)變量的異質(zhì)性影響。FCjt×Mediatorjt是融資約束和調(diào)節(jié)變量的交互項，b4為對應系數(shù)，用以判斷融資約束對企業(yè)金融資產(chǎn)配置影響下調(diào)節(jié)變量的異質(zhì)性影響，其他符號和變量含義同模型（1）。

表6 是基于模型（6）和模型（7）進行的企業(yè)內(nèi)外部監(jiān)管中介效應的異質(zhì)性分析結(jié)果，以確定在數(shù)字基建影響企業(yè)金融資產(chǎn)配置過程是否受到內(nèi)外部監(jiān)管規(guī)制。模型（6）用于第一階段（數(shù)字基建—融資約束）的機制檢驗，模型（7）用于第二階段（融資約束—企業(yè)金融資產(chǎn)配置）的機制分析。

表6 企業(yè)內(nèi)外部監(jiān)管中介效應的異質(zhì)性分析結(jié)果

表6 列（1）對應企業(yè)股權性質(zhì)的第一階段檢驗，PILOT×T系數(shù)為負且通過了1%水平的顯著性檢驗，交互項SOE×PILOT×T系數(shù)為正且通過了1%水平的顯著性檢驗，說明數(shù)字基建主要降低了非國有企業(yè)的融資約束。相較于非國有企業(yè)，國有企業(yè)可以通過政治關聯(lián)和政府信用背書獲取銀行信貸資源，受融資約束的程度較弱，即國有企業(yè)通過數(shù)字基建獲取的邊際效用較低。因此，在“數(shù)字基建—融資約束”階段，企業(yè)股權性質(zhì)雖然產(chǎn)生了正向調(diào)節(jié)作用，但并非外部監(jiān)管所致。

表6列（3）對應企業(yè)內(nèi)部治理水平的第一階段檢驗，PILOT×T系數(shù)為負且通過了1%水平的顯著性檢驗，交互項Gszlsp×PILOT×T系數(shù)為正且通過了1%水平的顯著性檢驗，說明數(shù)字基建主要降低了內(nèi)部治理水平較低企業(yè)的融資約束，這是因為內(nèi)部控制較好的企業(yè)可以通過自身的商業(yè)信用實現(xiàn)內(nèi)部融資，對銀行信貸資金的依賴性較弱。因此，在“數(shù)字基建—融資約束”階段，企業(yè)內(nèi)部治理水平雖然產(chǎn)生了正向調(diào)節(jié)作用，但并非企業(yè)內(nèi)部控制所致。

表6 列（2）對應企業(yè)股權性質(zhì)的第二階段檢驗，F(xiàn)C系數(shù)為負且通過了1%的置信水平檢驗；交互項SOE×FC系數(shù)為正且通過了1%水平的顯著性檢驗，說明企業(yè)股權性質(zhì)通過正向調(diào)節(jié)融資約束對企業(yè)金融資產(chǎn)配置產(chǎn)生負向影響。相較于缺乏外部監(jiān)管的非國有企業(yè)，國有企業(yè)進行金融資產(chǎn)配置的投資替代動機較弱，說明外部監(jiān)管能夠有效減少管理層的短期利益最大化行為，降低融資約束，減少企業(yè)金融資產(chǎn)配置提升帶來的影響。

表6列（4）對應企業(yè)內(nèi)部治理水平的第二階段檢驗，交互項Gszlsp×FC系數(shù)為正且通過了1%水平的顯著性檢驗，說明企業(yè)內(nèi)部治理水平通過正向調(diào)節(jié)融資約束對企業(yè)金融資產(chǎn)配置產(chǎn)生負向影響。相較于內(nèi)部控制水平較低的企業(yè)，內(nèi)控水平較高企業(yè)的內(nèi)部監(jiān)督機制可以約束管理層的短視行為，強化企業(yè)的金融資產(chǎn)配置，改善投資替代動機下企業(yè)因融資約束緩解而提高金融資產(chǎn)配置比例的情況。

在第一階段，數(shù)字基建主要緩解了內(nèi)控水平較低和非國有企業(yè)的融資約束，企業(yè)內(nèi)外部監(jiān)督對數(shù)字基建的調(diào)節(jié)作用較弱，這與我國信貸資源配置存在信貸歧視和信貸錯配問題有關，國有企業(yè)和內(nèi)控水平較高的企業(yè)通過數(shù)字基建獲取資金來源的邊際效用較低，企業(yè)內(nèi)外部監(jiān)督機制在第一階段失效。由于缺乏有效的內(nèi)外部監(jiān)督機制，在第二階段，數(shù)字基建的正外部性可以緩解企業(yè)融資約束，激勵短視的管理層配置更多金融資產(chǎn)以獲取收益，使短視的大股東也有配置更多金融資產(chǎn)以獲取超額收益的動機。

綜上所述，在“數(shù)字基建—融資約束—企業(yè)金融資產(chǎn)配置”過程中，數(shù)字基建可緩解非國有企業(yè)和內(nèi)控水平不足的企業(yè)融資約束，但內(nèi)外部監(jiān)管不足會導致管理層和大股東濫用數(shù)字基建帶來的金融資源，出于投資替代動機，企業(yè)會提高金融資產(chǎn)配置比例，加劇實體部門脫實向虛。

六、結(jié)論與政策建議

（一）結(jié)論

本文基于2010—2021年滬深A股上市企業(yè)的面板數(shù)據(jù)，利用多期DID模型分析數(shù)字基建對企業(yè)金融資產(chǎn)配置的影響，得出以下結(jié)論：

第一，數(shù)字基建存在金融化效應，在戰(zhàn)略實施當年就對企業(yè)金融資產(chǎn)配置產(chǎn)生效果且影響持續(xù)上升。影響機制表明，融資約束在數(shù)字基建和金融資產(chǎn)配置中發(fā)揮部分中介作用，數(shù)字基建通過緩解企業(yè)融資約束為金融資產(chǎn)配置提供資金來源，進一步強化企業(yè)金融化水平，加劇實體部門的脫實向虛。

第二，“寬帶中國”戰(zhàn)略的融資約束傳導機制及其最終對企業(yè)金融資產(chǎn)配置水平的影響程度會受到外部環(huán)境的影響。較高的地區(qū)金融監(jiān)管水平有助于減少金融科技的監(jiān)管套利和風險衍生行為，抑制數(shù)字基建對企業(yè)金融資產(chǎn)配置的正向影響；較高的地區(qū)市場化水平有助于減少企業(yè)面臨的融資約束，強化數(shù)字基建對企業(yè)金融資產(chǎn)配置的正向影響。

第三，從企業(yè)內(nèi)外部監(jiān)管視角分階段探討“數(shù)字基建—融資約束—企業(yè)金融資產(chǎn)配置”的傳導路徑，發(fā)現(xiàn)國有企業(yè)和內(nèi)控水平較高的企業(yè)通過數(shù)字基建獲取資金來源的邊際效用較低，內(nèi)外部監(jiān)管不足會導致管理層和大股東濫用數(shù)字基建帶來的金融資源，非國有企業(yè)和內(nèi)控水平不足的企業(yè)出于投資替代動機會提高金融資產(chǎn)配置比例。

（二）政策建議

第一，鑒于數(shù)字基建的金融化效應通過緩解企業(yè)融資約束，對企業(yè)經(jīng)濟績效產(chǎn)生正向激勵作用，應繼續(xù)加大數(shù)字基建投資力度，發(fā)揮其邊際成本遞減效應的正外部性，助力傳統(tǒng)銀行體系和互聯(lián)網(wǎng)金融緩解企業(yè)融資約束。此外，數(shù)字基建對不同股權性質(zhì)和內(nèi)控水平的企業(yè)存在異質(zhì)性影響。政府在制定政策防止企業(yè)過度金融化的過程中，也要考慮民營企業(yè)和內(nèi)控水平低的企業(yè)的融資環(huán)境，發(fā)展供應鏈金融，發(fā)揮數(shù)字基建的普惠性等，切實加強政策的定向作用。

第二，加強金融監(jiān)管，平衡數(shù)字基建的金融化效應和實體經(jīng)濟發(fā)展之間的關系，提升金融監(jiān)管的信息傳遞效率和靶向作用。數(shù)字基建能校正傳統(tǒng)金融中存在的屬性錯配，但也會導致企業(yè)管理層和大股東濫用金融資源。金融監(jiān)管部門應該在行為監(jiān)管和功能監(jiān)管上建立適應數(shù)字經(jīng)濟的制度體制，通過數(shù)字基建和金融科技構建數(shù)據(jù)共享網(wǎng)絡平臺，對企業(yè)金融業(yè)務產(chǎn)生的風險進行精準監(jiān)控，采用監(jiān)管沙盒機制判別數(shù)字基建服務實體經(jīng)濟的安全邊界以達到激勵相容。

第三，鑒于企業(yè)金融資產(chǎn)配置是基于投資替代而非風險規(guī)避動機，內(nèi)外部監(jiān)管不足會導致委托代理沖突加劇，進而造成企業(yè)濫用數(shù)字基建帶來的金融資源，企業(yè)應針對金融化背后的委托代理問題，完善公司內(nèi)部治理結(jié)構，通過提高內(nèi)部控制水平避免大股東的投資短視行為，設置合理的企業(yè)績效指標體系減輕管理層的業(yè)績考核壓力，如設計合理的長期激勵機制、發(fā)揮獨立董事的監(jiān)管作用。

注釋：

①人工智能（Artificial Intelligence）、區(qū)塊鏈（Blockchain）、云計算（Cloud Computing）和大數(shù)據(jù)（Big Data）技術，簡稱為A、B、C、D技術。