数字金融对供应链韧性的影响——基于制造业企业面板数据的实证检验

石岿然 孙 溢 李匡义

（南京审计大学金融学院，南京 211815）

引 言

改革开放以来，中国经济发展取得了举世瞩目的伟大成就，1978～2021 年GDP 年均增速超过14%。在这期间，制造业是推动经济持续高速发展的中坚力量，截至2022 年我国制造业增加值突破40 万亿元大关，占GDP 比重达到27.7%，占全球比重近30%，在全球制造业中的地位至关重要。从数据可以看出制造业在我国国民经济中占据主导地位，是现代化经济体系的核心组成部分，推动制造业的发展就是推进实现中国经济现代化［1］。

自新冠肺炎疫情暴发尤其是俄乌冲突以来，世界经济不稳定性和不确定性加剧，增长乏力、投资萎缩、消费不振，全球供应链体系面临重构，部分供应链甚至存在中断、紊乱的巨大风险，疫情、极端天气与地缘政治冲突等突发事件影响着全球供应链安全。构建富有韧性的供应链已从企业层面关注的问题上升到行业、地区和国家层面战略，成为应对当前社会经济发展复杂局面和提升国家安全与竞争力水平的重要举措［2］。党的二十大报告明确提出“着力提升产业链供应链韧性和安全水平”，并部署要求“推动制造业高端化、智能化、绿色化发展”，因此着力提升制造业供应链韧性水平成为我国经济高质量发展的必然要求。

当前人工智能、区块链、大数据、云计算等技术蓬勃发展，传统金融服务也因此迎来了新的变革，一种新型普惠金融模式——数字金融应运而生［3］。数字金融相比于传统金融而言，在金融服务中引入了数字技术支持，具有低门槛、低成本、高效率等优势，可以帮助企业更好地进行融资活动，为金融助力实体经济发展增添了新的动力。因此，数字金融对企业供应链韧性也有一定的影响。那么，数字金融对供应链韧性的影响究竟如何？ 二者间的作用机制具体又是如何表现的？本文基于2011 ～2021 年我国制造业企业面板数据，实证分析数字金融对供应链韧性的影响，通过引入技术创新、企业融资约束和金融监管变量考察数字金融对供应链韧性的作用机制，这对于我国数字金融背景下应对全球突发事件，打造安全、稳定、高韧性的供应链体系具有理论价值与现实意义。

1 文献评述

物理学中最早提出“韧性” 的概念，当材料受到外部压力后，因发生形变所吸收能量的能力被称为韧性，韧性越强的材料越容易抵抗外力，也越容易恢复初始形状。经济学中韧性的应用最早由Comfort［4］引入。Ponomarov 和Holcomb［5］指出，供应链韧性是指在外部冲击下，通过采取恢复或适应的行动，从不理想的状态恢复到原先或者更好的状态的能力。李维安和马茵［6］认为供应链之所以出现韧性，韧性之所以有高有低，取决于供应链是否具有适应环境复杂性的自我调节能力。Hohenstein 等［7］通过梳理了2003～2013 年发表的67篇文章，基于3 个维度界定了供应链韧性的内涵，分别为准备［8］、响应［9］和恢复［10］。Ali 和Gölgeci［11］将准备定义为一种主动战略（即预测中断的能力），响应定义为一种并行战略（即在中断期间适应和响应的能力），恢复定义为一种反应性战略（即恢复和发展的能力）。之后的众多学者以此对供应链韧性的影响因素开展了深入的研究。从现有文献来看，供应链韧性策略的3 个维度主要针对两个层面制定：宏观［12］和微观［13］。在宏观层面的准备阶段，大多数研究强调供应链层面的连通性和战略协作活动，认为合作是一种中断前的有效战略，使得供应链更具韧性［14，15］。在宏观层面的响应阶段，Rajesh［16］侧重于加大供应链合作伙伴之间知识共享与知识创造，Amindoust［17］、Liu和Lee［18］强调降低风险和风险分配是应对宏观层面中断的有效策略。在宏观层面的恢复阶段，Ja⁃farnejad 等［19］和Azadeh 等［20］提出了一些一般的恢复策略，如提高敏捷性和稳健性，在行动者之间建立信任和感知能力。近年来，国内学者也重点关注供应链韧性研究，马潇宇等［21］从单一和多元组态视角出发，构建了供应链韧性影响因素研究模型，系统性地探讨了供应链韧性影响因素。綦方中和张磊磊［22］构建了改进的灰色预警模型，实现了韧性指标的动态预测。

结合已有文献发现，研究多集中于数字化转型、数字金融对企业和经济的影响，有关数字金融与供应链韧性相关关系的研究较少。在数字化转型、供应链韧性和企业生产率方面，陶峰等［23］发现下游企业数字化转型能够优化供需匹配、稳定供需关系、提高供应商创新能力，进而增强产业链供应链韧性和牵引上游企业全要素生产率增长。陈胜利和王东［24］认为数字化转型主要通过提升人力资本水平、提高创新能力、缓解融资约束和增强内部控制的机制提升企业韧性。另外，数字金融、绿色创新及二者的协同作用，数字经济、技术创新等均对城市经济韧性具有显著的正向影响［25－27］。在产业链韧性方面，创新要素配置是数字金融影响产业链韧性的重要渠道［28］，产业集聚和政府补贴也能强化该作用机制［29］。总体上看，关于供应链韧性的研究多为国外文献，国内多是基于经济韧性与产业韧性等方面展开的研究，该领域缺少相关的研究，并且从数字金融视角分析供应链韧性的研究亟需拓展。

综上，学术界对于数字金融和供应链韧性这两个议题都做出了大量有价值的探讨，但缺乏基于制造业企业视角的研究。因此，本文对数字金融与供应链韧性的直接关系进行了理论分析与实证检验，为相关领域的研究提供了新的思路；构建中介效应模型，研究企业融资约束和技术创新在数字金融与供应链韧性间发挥的中介作用；构建调节效应模型，研究金融监管在数字金融与供应链韧性间发挥的调节作用。

2 理论分析与研究假设

2.1 直接传导机制与研究假设

数字金融具有普惠性和技术性的双重特点，是传统金融服务业结合互联网信息技术手段而产生的新型金融模式［30］，它在一定程度上打破了企业间、企业与金融机构间的信息壁垒［31］，大大提高了信贷效率，降低了金融服务成本，解决了传统金融的时空限制难题［32］。另外，数字金融的出现能够调整和改善金融结构，提高金融服务质量，帮助企业在危机中及时有效地适应供应链中断的困境和进一步恢复发展［33］。在传统金融模式下，供应链主体在需求资金的紧急情况下，常常遭遇金融服务迟滞的困扰。这对制造业供应链来说，可能无法保证其在风险冲击下长期稳定运作，而数字金融的出现恰好解决了这一问题。因此，数字金融能够大大提高企业供应链的响应和适应、恢复和发展的能力，从而促进韧性的提升。基于此，本文提出以下假设：

H1：数字金融能够提高制造业企业供应链韧性。

2.2 间接传导机制与研究假设

（1） 技术创新的中介机制

数字金融所运用到的人工智能等新兴技术均为技术创新的重要成果，金融在服务实体经济的过程中同样也能够促进企业技术水平的提升。它依赖成本低、范围广、速度快等优势，利用各类数字技术及时捕捉到供应链主体的技术创新需求，降低企业技术创新的金融服务门槛，从供需端解决资金需求问题，创造一个良好的外部环境，从而加大企业技术的研发投入，提高技术创新水平。对企业而言，技术创新不仅是提高核心竞争力和社会生产力的核心支柱，而且能够使其在危机出现前更快作出预警和响应，在一定程度上减少供应链中断带来的损失。由此，供应链韧性也可以理解为供应链通过持续性的技术创新来应对风险的能力。基于此，本文提出以下假设：

H2：数字金融可通过促进企业技术创新，间接提高制造业企业供应链韧性。

（2） 企业融资约束的中介机制

数字金融运用大数据等技术在金融市场的系统中存储了企业海量金融数据，包括传统金融模式下无法量化的商誉、库存等资产。如供应链金融正是数字金融的一个衍生模式，它将供应链运作环节中流动性差的资产及资产所产生的且确定的未来现金流作为还款来源，借助中介企业的渠道优势拓宽金融服务范围。基于反向保理理论的数字供应链金融可以有效促使买卖双方达成双赢结果［34］。数字金融的出现使金融服务业多样化，推动了金融的发展，缓解了企业融资约束，提高了资金使用效率，有助于促进企业融资数量和质量的全面发展［35］，在供应链中断时能够更好地抵抗、适应和恢复，从而供应链主体拥有更强的韧性。基于此，本文提出以下假设：

H3：数字金融可通过缓解企业融资约束，间接提高制造业企业供应链韧性。

2.3 调节机制与研究假设

市场失灵理论认为，市场机制不能实现资源配置效率的最大化，由于普遍存在的信息不对称、垄断、外部性等问题，数字金融作为新兴的金融模式自然离不开金融监管。金融监管作为政府公共部门维系金融系统安全与稳定，提高企业与公众信心的有效措施，其在提高企业供应链韧性过程中的重要性不言而喻。加强监管有助于金融机构守住金融风险底线，提高金融服务实体经济的效率，进而促进供应链韧性的提升；另外，相比于传统金融模式，数字金融的复杂性、内生性、易变性等特征都放大了监管不足而带来的风险，这往往会加大供应链在外部冲击中的不确定性，因此提高数字金融中监管的力度势在必行［36］。基于此，本文提出以下假设。

H4：通过加大金融监管力度可以进一步增强数字金融对制造业企业供应链韧性的促进作用。

3 模型设计和变量说明

3.1 模型设计

（1） 基准模型

本文构建基准模型如式（1） 所示：

式（1） 中i和t分别表示企业与年份；SCR为被解释变量，表示供应链韧性；lnDif为解释变量，表示数字金融；Control表示控制变量，包含企业规模、企业年限、企业成长、两职合一、董事会规模；μi、νt、εit分别表示个体效应、时间效应以及随机扰动项。

（2） 中介效应模型

式（1） 用以研究数字金融对供应链韧性的直接影响机制，接下来引入中介变量考察数字金融对供应链韧性的间接作用，构建中介效应模型如下：

其中，式（2） 表示数字金融对中介变量的影响，中介变量包含企业融资约束和技术创新，b1表示数字金融对中介变量的影响程度，c1表示在控制中介变量后数字金融对供应链韧性的影响程度，c2为中介变量回归系数，b1c2表示间接效应。

（3） 调节效应模型

引入金融监管与数字金融的交互项来分析数字金融与供应链韧性的调节效应，构建模型如下：

其中，lnREVit×lnDifit表示金融监管与数字金融的交互项，即当金融监管强度发生改变时，数字金融对供应链韧性的影响程度。

3.2 变量说明

3.2.1 核心解释变量：数字金融（lnDif）

目前学术界研究数字金融时，北京大学数字普惠金融指数应用最多。大多数学者使用北大数字普惠金融指数的省级面板数据，本文研究的样本为企业，因此对应使用企业所在城市的指数数据。

3.2.2 被解释变量：供应链韧性（SCR）

经济学领域中对韧性的测度方法通常分为单一指标法和综合指标法，前者基于某一核心变量，如国内生产总值或就业人数变化［37，38］，后者基于多个变量，且基于多变量的综合指标法在研究供应链韧性方面更为全面［39，40］。本文结合物理学中韧性的概念和前文论述的供应链韧性的3 个维度，参考郑涛和杨如雪［41］的研究，将制造业企业供应链韧性分为两个层面进行测度：断裂韧性和冲击韧性，详细指标体系见表1。前者包含稳健性与流动性，体现了供应链在受到外部冲击时的响应和适应能力；后者包含脆弱性与发展性，体现了供应链的抵抗与发展能力。本文采用熵权法测算各企业供应链韧性水平。

表1 制造业企业供应链韧性指标体系

3.2.3 中介变量：技术创新（lnTEN）

衡量企业技术创新水平多采用技术创新投入和专利授权数，本文采用研发投入占营业收入比重来衡量企业技术创新水平。

企业融资约束指数（SA）。本文选取Hadlock和Pierce［42］定义的企业融资约束指数（SA）作为衡量指标。

3.2.4 调节变量

金融监管（FI）。参考王博峰［43］的研究，选取金融监管支出占当地金融业增加值比重为衡量指标。

3.2.5 控制变量

参考李云鹤等［44］和杨金玉等［45］的做法，选取如下控制变量：（1） 企业规模（Size），以企业期末总资产的对数值表示；（2） 企业年限（Age），以上市年龄表示；（3） 企业成长（Grow），以企业年末营收增长率表示；（4） 两职合一（Dual），董事长与总经理兼任时为1，否则为0；（5） 董事规模（Board），董事会人数取对数。上述各变量的说明与描述性统计见表2。

表2 变量定义与描述性统计

3.3 样本选择与数据来源

数字金融数据来源于《北京大学数字普惠金融指数（2011～2021）》；本文研究的对象为制造业企业，选择2011～2021 年沪深两市A 股上市制造业企业供应链数据及财务报表数据作为初始研究样本。所涉数据主要来自国泰安数据库、Wind 数据库、中国统计年鉴，对部分缺失数据采用线性插值法进行补充。在筛选样本时，按下列顺序进行处理：（1） 剔除ST 等异常企业；（2） 剔除经营数据年份不连续的样本；（3） 剔除变量缺失的样本。处理后最终得到2011 ～2021 年间9482 个样本；（3） 为了消除异常值的影响，对样本数据进行1%水平的缩尾处理。本文使用的分析软件是Stata。

4 实证分析

4.1 相关性检验

为检验面板数据的平稳性，首先对数据进行ADF 检验。检验结果显示所有变量P 值均小于0.05，因此认为数据是平稳的，可以进行进一步回归分析。另外，对所涉及变量进行相关性分析，检验是否存在共线性问题。

检验结果表明，自变量间相关系数均小于0.8，不存在共线性问题。为进一步考察共线性状况，计算膨胀因子（VIF），计算发现VIF 均小于10，因此排除自变量间的多重共线性问题。

4.2 基准回归

分别采用随机效应（RE）和固定效应（FE）进行基准回归，结果如表3 所示。为确定基准模型类型，进行Hausman 检验，结果表明，应使用固定效应模型。列（1） 和列（2） 中数字金融的系数分别为0.0016 和0.0029，这表明数字金融对供应链韧性均有正向影响，且在1%的水平上显著。因此，H1 得以验证。

表3 基准回归结果

4.3 稳健性检验

本文在分别剔除异常数据和进行内生性处理后分析前述研究结果的稳健性，进一步论证结论的可靠性。

（1） 剔除异常数据

上市公司财报数据在经过第三方审计后，能够真实反映企业经营状况，本文使用的数据多为此类数据。2015 年我国股市波动较大，财报数据可能存在异常，无法真实反映企业经营状况。另外，就经济数据而言，我国直辖市相对其他省会城市更加发达。为了消除上述两种异常数据的影响，本文分别剔除2015 年和4 个直辖市的数据，再次进行回归分析，结果如表4 所示。表4 列（1）和列（2） 分别为剔除了2015 年和直辖市数据后的回归结果，可以看出lnDif系数均显著为正。这再次证明了数字金融对供应链韧性的正向的促进作用，本文假设H1 再一次得到验证。

表4 剔除异常数据后回归结果

（2） 内生性处理

本文在基准回归的过程中，数字金融选用北大数字普惠金融指数表示，尽管二者差异较小，但从现实状况来看，误差可能会导致内生性问题的产生。故本文借鉴郑万腾等［46］的研究选取移动电话普及率（每百人中移动电话用户数）作为工具变量，另外选取互联网普及率（每百人中互联网用户数）作为另一工具变量，进行IV－2SLS 估计检验。选择的理由如下：（1） 选取的工具变量均为数字金融的基础设施，与数字金融密切相关，满足工具变量的相关性原则；（2） 选取的工具变量与扰动项之间不存在相关性，即工具变量满足外生性要求。

表5 结果显示，当互联网普及率和移动电话普及率作为工具变量时，均通过IV 不可识别和弱IV 检验，第二阶段回归结果中，数字金融的回归系数分别为0.0038 和0.0076，且在1%的水平上显著。由此可知，在解决核心解释变量的内生性问题后，前文得到的研究结论仍然符合要求，本文假设H1 再一次得到验证。

表5 IV－2SLS 结果

4.4 中介效应检验

前文理论分析表明，技术创新和企业融资约束均为数字金融驱动供应链韧性提升的重要途径。本文进一步将技术创新和企业融资约束作为中介变量代入模型（2） 和（3），实证检验数字金融对供应链韧性的中介效应，结果见表6。其中，列（1） 为基准回归结果，列（2）、（4） 分别为数字金融对中介变量技术创新和企业融资约束的影响。列（3）、（5） 分别表示数字金融和技术创新、数字金融和企业融资约束对供应链韧性的影响。回归结果显示，列（2） 数字金融的回归系数显著为正，表明数字金融对技术创新具有显著的促进作用；列（3） 数字金融和技术创新的回归系数均显著为正，表明数字金融可以通过提升技术创新水平，间接提高供应链韧性；列（4） 数字金融的回归系数显著为负，表明数字金融可以显著缓解企业融资约束；列（5） 数字金融的回归系数显著为正，企业融资约束的回归系数显著为负，表明数字金融可以通过缓解企业融资约束从而提高供应链韧性。假设H2、H3 得以验证。

4.5 调节效应检验

为了进一步检验金融监管的调节作用，将金融监管以及它和数字金融的交互项引入模型进行回归，结果如表7 所示。结果表明，数字金融和金融监管回归系数均显著为正，二者均对供应链韧性有显著的正向影响。另外，数字金融与金融监管的交互项回归系数显著为正，这说明金融监管在数字金融促进供应链韧性提升的过程中发挥正向调节作用，金融监管力度的适当增强更有利于发挥数字金融对供应链韧性的促进作用。假设H4得以验证。

表7 调节效应回归结果

5 结论与建议

本文运用2011～2021 年企业面板数据进行实证检验，从直接效应、中介效应和金融监管调节3 个方面分析了数字金融对供应链韧性的影响机制，结果表明：（1） 数字金融对供应链韧性的提升有显著的促进作用，在经历一系列稳健性检验后该结论依旧成立；（2） 根据中介机制检验结果发现，数字金融影响供应链韧性的重要渠道还包括技术创新和企业融资约束，数字金融分别可以通过提升企业技术创新水平和缓解融资约束从而提升供应链韧性；（3） 根据调节机制检验结果发现，金融监管在数字金融与供应链韧性的关系中发挥正向调节作用。

基于上述结论，提出如下建议：

（1） 高度重视数字金融的进一步发展，发挥其对供应链韧性提升的促进作用。数字金融作为金融发展新业态在新时代背景下孕育而生，降低了企业融资门槛和融资成本，提升了金融服务提供效率，优化了传统金融结构，有效缓解了企业“融资难、融资贵” 问题，提高了金融系统遭遇外部冲击时的风险抵御能力，进而能协助制造业企业供应链抵御外部冲击，提高供应链韧性。当下世界环境下，保证供应链的安全与稳定早已成为了各国国家战略层面所必须实现的目标。因此，为了提高供应链韧性水平，国家要重视数字金融发展。政府应当在推进数字金融发展的过程中扮演领导者的角色，为加快传统金融机构向数字金融方向转型提供有力的政策支持，探索数字金融服务新功能；此外，为了实现数字金融的可持续性发展，还需投入更多资金，加快金融基础设施建设，发挥各类金融机构的比较优势，合力促进周边产业协同发展。另外，政府可以有针对性地对高新技术企业采取税收优惠政策，激发企业在技术创新和研发方面的积极性，不断提升整体科技创新水平，打造稳固的数字金融技术基础，推动数字金融技术进步，提高供应链韧性。

（2） 不断完善健全我国金融体系建设，尤其是针对以银行为主导的金融结构，缓解企业融资约束。传统金融机构应当顺应数字金融发展趋势，将有限的金融资源投入各类实体经济中，针对不同需求、不同能力的企业给予相应的资金支持。传统金融机构应当充分使用已有技术甄别企业发展潜力，为优质企业提供覆盖面更广、价格更为低廉的金融服务。具体表现为：事前识别用户画像，利用大数据评估企业信用状况，定制个性化产品和服务；事中服务过程中，将人工智能等技术优势与金融产品结合起来，从而提高金融服务效率，缩短融资周期，赋能企业供应链创新；事后风险控制环节，发挥区块链等技术优势，构建风险预警系统，及时对异常和突发状况做出反应处理。

（3） 进一步加大金融监管力度，深化金融监管体系变革。研究发现，金融监管可以正向调节数字金融与供应链韧性的关系。金融监管达到一定程度，它将逐步发挥促进企业和金融发展的正向作用，明显改善市场创新和发展环境，为提高供应链韧性做出积极贡献。因此，监管机构应该积极推进数字金融监管体系的改革，实施持续性、重点性政策，加强宏观审慎管理，在行为和功能监管等领域建立起相应的响应机制。此外，监管科技的研发和应用也是现代化金融监管体系变革的重要支柱。借助人工智能等科技手段，建立监管科技系统，提高金融监管的反馈速度、实现效果和目标准确性，强化金融监管效能。