数字金融与实体企业脱实向虚实证分析数据与stata代码2011-2020

数字金融与实体企业脱实向虚实证分析数据与stata代码2011-2020

• 被解释变量：企业金融化(Finratio)。 采用企业持有的金融资产占期末总资产的比例度量企业的金融化。将金融资产定义为交易性金融资产、衍生金融资产、发放贷款及垫款净额、可供出售金融资产净额、持有至到期投资净额、投资性房地产净额之和。
• 解释变量：数字金融(DIF)。 选取北京大学数字金融研究中心课题组编制的中国数字普惠金融指数来度量，该指数是以蚂蚁金服提供的数据为基础，测度各省市、县的数字金融发展程度(未核算中国的港澳台地区) 。 采用省级层面的数字普惠金融指数作为数字金融的代理变量，并对该指数进行了对数化处理。在稳健性检验中，采用市级层面的数字金融指数进一步检验。

• 控制变量：为了尽可能克服遗漏变量的影响，纳入了企业微观层面的多个变量。包括企业规模(Size) 以企业当期期末总资产的自然对数来表示，资产负债率(Lev)以总负债与总资产的比值计算得出；企业经营净利润率(ROA)以企业当期净利润与期末总资产的比值计算，反映了企业盈利能力的强弱；固定资产占比(Cinten) 以企业固定资产净额与期末总资产的比值来衡量；企业成长性(Growth) 采用企业当期营业收入减去上期收入后除以上期收入来计算，该指标能够体现企业的发展能力；经营净现金流(Cfo)采用经营活动产生的净现金流与期末总资产的比值来衡量；还包括第一大股东持股比例(Top1) 及上市年龄(Age) ；此外，为吸收相关的固定效应，我们还控制了年度和企业个体虚拟变量。

回归模型

参考文献

成群蕊, and 李季刚. “数字金融与实体企业 “脱实向虚”: 促进还是抑制.” 新金融 (2021).

数据说明

以A股非金融企业作为研究对象，依据数字金融指数的起始年份(2011 年)进行配对，构建2011-2020年的面板数据集，按照如下原则对初始样本进行筛选：

• 剔除了金融类行业的公司样本
• 剔除被ST和*ST的公司样本
• 考虑到极端值的影响，采用Wisorize的方法对主要连续变量进行了1%的双边缩尾处理

结果说明

表1 描述性统计

表2 基准回归+动态效应检验

表3 数字金融三个不同维度的影响

根据企业规模的中位数。将前1/2分位数分为小规模企业和后1/2分位数分为大规模企业，对企业规模大小进行分组回归
表4 按照企业规模分组的实证结果

为了检验数字金融对企业金融化的影响是否存在产权性质差异，按照企业性质进行分样本回归，若企业最终控股为国有企业则SOE取值为1，否则SOE为0。
表5 按照产权性质分组的实证结果

在中国的环境制度下，间接融资方式是企业主要的融资来源，所以债务融资成本可用来考察企业的融资费用。按照财务费用与总负债的比值来衡量债务融资成本(Cost)。表6是“数字金融一-融资费用一企业金融化”的渠道路径回归结果。
表6 考虑渠道机制：融资费用

在“数字金融一融资约束一企业金融化”的渠道机制检验中，采用综合考虑公司经营活动现金流、股利、现金持有、资产负债率以及托宾Q等财务指标构建的KZ指数度量企业融资约束。
表7 考虑渠道机制：融资约束

表8 稳健性检验：城市层面数字普惠金融指数回归结果