数字普惠金融发展对中小企业融资约束的影响——基于创业板上市公司的数据开题报告

1. 研究目的与意义、国内外研究现状（文献综述）

1. 研究背景与研究意义

   2018年8月，国务院促进中小企业发展工作领导小组会议在北京召开，会议对于当前中小企业在中国经济中发挥的作用有了一些明确的总结与表述。会议指出，我国中小企业在国民经济方面贡献了高达50%的税收，60%的gdp，70%的技术创新，80%的城镇就业机会以及90%的企业数量。这些数据显示，中小企业不仅是社会发展的主力军，更是完善现代化经济体系、推动经济实现高质量发展的重要要素。然而中小企业融资难融资贵的问题一直存在且阻碍中小企业发展。就金融资源而言，中小企业所占有的比重不足，这导致大部分中小企业均存在融资约束问题。实体经济指标如gdp、工业增加值表明经济下行压力依旧存在。前期去杠杆工作也使得中小企业本就偏高的融资渠道再次受阻，表内信贷定价难以覆盖中小企业融资风险，银行风险偏好趋于保守，惜贷情绪上升，中小企业融资困境再次凸显。银行贷款作为企业融资主要渠道之一，其对企业贷款利率的综合测算包含企业资质、企业行业、企业规模、财务报表、资产结构等情况。这就导致企业向银行寻求融资帮助时，存在流程复杂、资料繁多等固有阻碍，进而带来了审核时间长、放款延缓、审核失败率高等问题。

   为探索中小企业融资新路径新方法，国家先后出台并落实了一系列政策，包括税收、企业落户、创业投资、引导资金等。在中小企业着重依赖的外源融资方面，伴随企业债、中小板创业板等发展持续助力于中小企业融资，不断改善中小企业融资环境，帮助拓宽融资渠道。然而我国金融市场尚不成熟，金融体系的联动性与脆弱性仍存在，债权融资与股权融资对中小企业仍存在门槛高、成本高等问题，企业融资环境仍旧严峻。

   剩余内容已隐藏，您需要先支付后才能查看该篇文章全部内容！

   2. 研究的基本内容和问题

   一、研究目标

   1. 探究数字普惠金融的发展对中小企业融资约束带来的影响。

   2. 进一步研究数字普惠金融指数的三个方面对中小企业融资约束带来影响的区别。

      剩余内容已隐藏，您需要先支付后才能查看该篇文章全部内容！

      3. 研究的方法与方案

      一、研究方法

      1. 文献研究法

         本文通过对相关文献做阅读与总结归纳，将从不同角度对同一对象的研究内容进行串联，并在此类文献的分析逻辑之上形成本文的研究思路。首先从理论出发对数字普惠金融发展缓解中小企业融资约束的机理进行分析，包括可行性与数字普惠金融作用于中小企业融资约束的效应分析，之后依据理论分析提出假设并实证检验。

      2. 实证分析法

         本文以现金－现金流敏感性模型为基本模型，先对江苏省中小企业融资约束情况进行实证检验，后加入数字普惠金融综合指数变量，检验企业现金－现金流敏感性的变化，再将模型进行多次调整，通过扩展模型研究具体效应，从数据角度分析数字普惠金融的发展对中小企业融资约束所起的作用，并对模型进行稳定性检验。

      3. 宏观分析和微观分析相结合的方法

         一方面从政府和银行等金融机构的角度分析企业融资难、融资贵的原因；另一方面从企业自身分析其存在的不足造成融资困境的原因。

      二、技术路线

      三、实验方案

      （一）实验目的

      探究数字普惠金融的发展对中小企业融资约束带来的影响，进一步研究数字普惠金融指数的三个方面对中小企业融资约束带来影响的区别。最后，为缓解中小企业的融资约束提供可行的建议。

      （二）研究对象：江苏省中小板上市企业

      （三）实验方法

      1.确定拟解决的关键问题，从而提出理论假说

      H1：数字普惠金融的发展能缓解中小企业的融资约束。

      2.设计恰当的模型，并引入合适的变量：其中包括一个基准模型和两个不同形式的扩展模型

      在实证研究中，企业外部融资约束分析主要涉及投资－现金流敏感性模型和现金－现金流敏感性模型。Fazzari等（1988）率先提出投资－现金流敏感性模型，然而该模型本身存在一定的局限性，托宾Q衡量偏误以及投资－现金流敏感性动因识别问题导致投资－现金流敏感度并不能真实地反映企业所面临的融资约束。连玉君等基于中国上市公司数据的实证研究印证了这一论断，并发现即使控制了托宾Q的衡量偏误，委托代理引致的企业过度投资问题也可能导致融资约束较轻的公司反而表现出较强的投资－现金流敏感性。鉴于此，Almeida等（2004）另辟蹊径，提出现金－现金流敏感性模型，认为当存在融资约束时，企业出于预防性动机将通过经营活动现金流的适当留存为未来投资项目积累内部资金，即企业现金持有量的变化与现金流的正向关联是企业存在外部融资约束的证据。连玉君等（2004）基于中国的经验研究表明，使用现金－现金流敏感性模型分析中国上市公司的融资约束问题是合理有效的，此后该模型在企业融资约束相关研究中得到广泛应用。因此，本文经验研究的分析框架采用现金－现金流敏感性模型，并在此基础上进行一系列的稳健性分析。

      首先，本文借鉴Almeida等（2004）的分析框架，设定基准模型如下:

      Cash_it=β₀ β₁CF_it β₂Size_it β₃SD_it β₄NWC_it β₅Grow_it β₆Expend_it

      yeardummy industrydummy _it

      其中: ΔCash表示企业现金持有量的变动；CF表示现金流；Grow反映企业成长能力；Size为企业规模；ΔNWC表示企业非现金净营运资本的变动；SD为企业短期债务变动；Expend表示企业的长期资本支出；yeardummy和industrydummy为年份和行业虚拟变量，用来控制时间效应和公司行业特征的影响；ε为误差扰动项；i和t分别代表企业和时间。当企业存在融资约束时，预期β₁的估计值显著为正。

      为了考察普惠金融创新对中小企业融资约束的影响，本文参考Khurana等（2006）的研究，在基准模型中加入数字普惠金融与企业现金流的交互项，得到如下扩展模型:

      扩展模型1：

      Cash_it=β₀ β₁CF_it β₂Size_it β₃SD_it β₄NWC_it β₅Grow_it β₆Expend_it

      φCF_it×DIFI_it yeardummy industrydummy _it

      其中: DIFI是数字普惠金融指数,交互项CF×DIFI用以考察数字普惠金融的发展对融资约束的影响。对交互项的解释：Cash/CF =β₁ φ×DIFI，当φ系数显著为负时，数字普惠金融越发达，需要留存的现金占现金流之比就越小，降低了企业现金－现金流的敏感性，有助于缓解企业的融资约束。

      此外，作为初步地稳健性检验，本文还同时比较数字普惠金融的不同维度（覆盖广度、使用深度和数字支持服务）对中小企业融资约束的影响。

      扩展模型2：

      Cash_i,t=β₀ β₁CF_it β₂Size_it β₃SD_it β₄NWC_it β₅Grow_it β₆Expend_it β₇CF_it×DCB_it β₈CF_it×DUD_it β₉CF_it×DSS_it yeardummy industrydummy _it

      其中: DCB是数字普惠金融的覆盖广度指数，DUD是使用深度指数，DSS是数字支持服务指数，三个交互项用以考察数字普惠金融的三个方面对融资约束的影响。根据上文假设，如果扩展模型中的β_7、β_8、β₉系数显著为负，则表明中国数字普惠金融的三个方面发展均能显著降低企业的现金－现金流敏感性，有助于缓解中小企业的融资约束，并且通过比较三个系数的大小可以得出哪个方面对缓解中小企业融资约束的作用最大。

      3.数据收集与整理：

      关于中小企业融资约束的数据：本文采用国泰安数据库中江苏省中小板上市公司2013-2018年5年间的财务数据，并进行筛选与剔除（①金融类公司②财务数据缺失和所有者权益为负的公司③*ST、ST、PT类公司④资产负债率大于1，即资不抵债的公司⑤CF1和Expend1的异常值），之后进行数据处理。

      关于数字普惠金融指数的测度：本文采用北京大学数字普惠金融指数(2011—2015、2016-2018)，其中，数字普惠金融指数从覆盖广度、使用深度和数字支持服务程度三个维度出发，构建包含24个指标的数字普惠金融指标体系，指数的构建原则、指标选取和编制方法详见北京大学互联网金融研究中心课题组。此外，本文将该指数除以100来解决较其他指标数值过大的问题。表1对上文计量模型中所涉及指标的含义和测度方法进行了说明。

      表1 指标说明

      符号	变量名称	变量定义
      Cash	现金持有量变动	现金及现金等价物净增加额/期初总资产
      CF	现金流量	经营活动现金流量净额/期初总资产
      Grow	企业成长性	主营业务收入增长率
      Size	企业规模	期末资产总额的自然对数
      NWC	净营运资本变动	非现金净营运资本增加额/期初总资产
      SD	短期负债变动	流动性负债增加额/期初总资产
      Expend	资本支出	长期资产支出/期初总资产 (构建固定资产、无形资产和其他长期资产所支付的现金-处置固定资产、无形资产和其他长期资产所获得的现金)/期初总资产
      DIFI	数字普惠金融指数	北京大学数字普惠金融指数（2011-2015、2016-2018年）
      DCB	覆盖广度指数	同上
      DUD	使用深度指数	同上
      DSS	数字支持服务指数	同上

      注: 为了避免托宾Q对企业成长性的衡量偏误，本文参考姚耀军和董钢锋(2015)，使用企业主营业务收入增长率来衡量。

      4.对模型进行稳健性检验

      本文将从以下三个方面进行稳健性分析: ①考虑个体效应和时间效应，利用双向固定效应法对前文中的基准模型和扩展模型进行重新估计；②考察内生性偏误对估计结果的影响，采用广义矩估计方法（GMM）重新估计上述实证模型；③进一步改进模型设计，重新估计使用滞后一期的DIFI以及其与CF交互项的扩展模型，以控制可能存在的内生性问题。

      本文的内生性讨论在于，企业现金流（CF）和企业成长（Grow）两个变量可能存在内生性问题，导致模型估计结果出现偏误。原因在于，CF和Grow分别反映的是企业的近和远期投资机会，由于企业的投资行为在很大程度上受投资机会影响，而公司的现金持有行为往往与投资行为同时被决定，导致CF和Grow两个变量与干扰项相关，模型可能存在内生性偏误。鉴于此，参照连玉君（2008）的研究，采用GMM估计方法重新估计上述实证模型。

      5.对实验结论进行总结与分析

      四、可行性分析

      本研究是在研读了众多业内学者对中小企业融资约束的基础上拓展开来，结合数字普惠金融的发展，欲探索数字普惠金融的发展对中小企业融资约束的影响，理论基础深厚，研究主题顺应国家政策，也是业内学者研究与讨论的热点。

      在数据来源方面，无需自己获取一手数据，在南京农业大学金融学院官网提供的各大数据库中便可以得到各中小企业的财务数据，数字普惠金融发展指数由北京大学数字金融研究中心提供，并且作者已向该课题组领导人获取到了全套的数字普惠金融指数，数据的易得性节省了发放问卷、调研统计的时间。在数据处理方面，运用业内认可的现金－现金流模型，同时由于能力与时间限制，仅对江苏省内的97家中小板企业进行研究，更具针对性、更细致。研究者具备一定的计量基础，能对数据进行一定的处理与分析，并得到正确的结论，但在研究中所用到的扩展模型可能还需要进一步请教老师。

      4. 研究创新点

      通过对现已发表文献的阅读与归纳，本文发现当前分别针对互联网金融及中小企业进行研究的文献较多，关注数字普惠金融发展的文献较少，但二者存在一定区别，互联网金融更偏重于对互联网、大数据技术的运用，而数字普惠金融虽有也这般含义，但更侧重于其普惠性。与此同时，研究两者之间关系的文献则大多聚焦于定性分析，停留在基础理论框架上。此外，关于普惠金融及中小企业融资约束的研究，现有的普惠金融指数虽然注意到了传统金融机构之外的普惠金融业务，但关注度仍然不够，新型数字金融在普惠金融指数中的指标比例过低（中国人民银行金融消费权益保护局，2018），联系实体经济的发展所做的研究也比较少。

      本文选择了实体经济表现的一个分支——中小企业融资约束问题，并用理论和实证相结合的方法探究数字普惠金融发展如何作用于中小企业融资约束问题。除了研究数字普惠金融发展对中小企业融资约束的整体影响以外，还从数字普惠金融指数的三个不同维度研究其影响。

      5. 研究计划与进展

      本次研究从2020年1月开始，研究计划及预期进展见表2：

      表2 研究计划表

      时间	研究内容与预期进展
      2020年1月	查阅与研究课题有关的资料并进行归纳整理，掌握一些理论基础知识，查阅相关文献并进行深入阅读及整理，对研究内容进行必要的微调；
      2020年2月至 2020年3月	搜集需要的数据并进行剔除和处理，研究计量方法与模型设计，对数据进行计量分析，并得到结论；
      2020年4月	根据之前的研究结果撰写毕业论文，与老师进行讨论，并进行反思与总结；
      2020年5月	准备毕业论文答辩，同时对论文内容进行必要的更新与修改，完成毕业论文。

      剩余内容已隐藏，您需要先支付 10元 才能查看该篇文章全部内容！立即支付