第二节 政策建议 ........................ 32
第四章 实证研究
第一节 样本数据与变量选取
一、 样本数据
以 A 股上市公司 2011-2018 年的数据为样本，着重分析了数字普惠金融发展和融资约束之间的关系。本文所使用的上市公司财务数据主要来源于万德（Wind）金融数据库。
剔除样本期间内 ST、PT 类公司，剔除金融类企业，剔除数据异常和财务数据缺失的公司，并对连续变量进行了上下 1%的缩尾处理。在进行样本优化之后确定了共计 13177 个样本观测值。
二、 被解释变量
企业融资约束程度衡量指数（KZ 指数）：为了更好地衡量企业受到融资约束的程度，本文主要借鉴了 Kaplan 和 Zingales (1997)和魏志华（2014）构建综合指标体系的方法来构建 KZ 指数。首先根据公司经营状况，选择经营性净现金流/上年末总资产(CFit/Ait−1)、现金股利/上年末总资产(DIVit/Ait−1) 、持有的货币资金/上年末总资产(CASHit/Ait−1) 、资产负债率(LEVit )和托宾值 (Qit)这五项财务指标来反映企业融资约束的水平，具体的构造过程如下：
首先，将 A 股市场上市公司 2011-2018 年的上述五项财务指标以中位数为界赋值 kzi，当CFit/Ait−1低于其中位数值时，kz1 取 1，否则 kz1 取 0；当DIVit/Ait−1低于其中位数值时，则 kz2 取 1，否则 kz2 取 0；当CASHit/Ait−1低于其中位数值时，则 kz3 取 1，否则 kz3 取 0；当LEVit高于其中位数值时，kz4 取 1，否则 kz4 取0；当Qit高于其中位数值时，kz5 取 1，否则 kz5 取 0，再计算出每一家公司kz =𝑘𝑧1+ kz2+ kz3+ kz4+ kz5的数值。
其次，将求和得到的 kz 数值作为因变量，对选取的这五项财务指标进行排序逻辑回归，得到估计回归系数。回归模型的估计结果如下表 4-1 所示。
表 4-1 A 股市场 KZ 指数估计模型回归结果
...........................
第五章 结论
第一节 研究结论
本文立足国内企业融资成本高、融资难度高的现状，以数字普惠金融为切入点，结合融资约束理论，对数字普惠金融对企业融资约束的缓解效应进行了分析，通过探究数字普惠金融对融资约束的作用机制，为推动我国金融行业健康发展提供理论支持。本文基于 KZ 融资约束指数，利用北京大学数字研究中心编制的数字化普惠金融指数，和我国 A 股上市企业的财务数据进行实证模型回归，研究结论如下：
（1）我国市场企业仍存在明显的融资约束状况，对于我国日益严重的企业融资约束而言，数字普惠金融的缓解作用十分显著。以信息以及数字技术为依托，数字普惠金融利用大数据可以降低信息获取成本，对于避免信息不对称的影响具有积极作用，可以最大程度的减少融资成本，进而持续提升金融服务供给水平，通过扩展融资途径，改善融资效率，提升融资水平而助力于企业持续发展。
（2）制度环境对于数字普惠金融发展的融资缓解作用有调节作用，制度环境发达的地区会削弱数字普惠金融对企业融资约束的缓解效应。如果某一地区的制度环境不佳，则其数字普惠金融发挥的作用会更加显著，越有利于强化对融资约束的缓解效应。
参考文献（略）
