作者：
孙燕芳1，宋畅1，王依凝2
作者单位：
1.中国石油大学(华东)经济管理学院，山东青岛266580
2.中国石油海洋工程有限公司，北京100028
作者简介：
孙燕芳(1977-)，女，河北容城人，中国石油大学(华东)经济管理学院教授，博士生导师，研究方向为财务管理理论与实务、项目投融资决策。
中图分类号：
F832，51；F270；F275
文献标识码：
A
文章编号：
1673-5595(2024)04-0087-09
DOI：
10.13216/j.cnki.upcjess.2024.04.0010
摘要：
数字金融有效破解了金融排斥困境，缓解了企业融资约束，但其对企业间商业信用融资的影响仍有待检验。以2011—2019年中国A股非金融类上市公司为研究对象，实证检验数字金融发展对企业间商业信用融资的影响。研究结果表明：数字金融的发展抑制了企业间的商业信用融资行为。调节机制检验表明：行业竞争程度越低、供应商集中度越高、客户集中度越高，数字金融对企业间商业信用融资的抑制作用越强。进一步分析发现：基于供应链的银行信用，在数字金融发展影响企业间商业信用融资的过程中发挥了部分中介作用；数字金融技术促进了银行的供应链金融服务发展，抑制了企业间通过商业信用进行融资的需求，能够缓解企业间占款问题。今后，应发挥数字金融的优势，挖掘供应链金融的潜力，规范金融监管，引导企业合理利用各种融资方式。
关键词：
数字金融发展；商业信用融资；供应链金融；供应商集中度；客户集中度
引言
商业信用是指企业在正常的经营活动与商品交易过程中，基于延期付款、预收账款等方式所形成的企业间的一种常见的信贷关系，其本质是商业信用的提供方为商业信用的需求方提供的短期信贷。[1]由于信息不对称、银行对贷款客户存在歧视等原因，融资难、融资贵等问题一直制约着企业的发展。商业信用作为传统融资方式的有益补充，对我国企业发展起到了重要的支持作用。现有研究主要从需求和供给两个角度，分别以替代性融资理论和买方市场理论，解释了商业信用存在的原因。替代性融资理论认为，商业信用源于信贷配给不平衡，这导致有些借款者无法从银行获得充足的贷款，从而不得不求助于供应商，这种需求导向促进了商业信用作为银行贷款的重要替代性融资方式而存在。[2]买方市场理论认为，由于买方具备谈判优势或者买方信誉良好，出于更好更迅速地促成销售行为的目的，供应商往往更有意愿向客户提供商业信用。[3]在企业日常经营中，上下游企业间的商业信用融资活动有利于保障企业产品供给和扩大销售规模，能够提升企业竞争优势及稳固其行业地位。[4]
数字金融作为一种新兴的金融业务模式，依托数字技术开展金融服务，借助大数据、云计算等先进的信息技术，缓解金融市场中存在的信息不对称问题，拓展了金融边界，提升了资金需求方的信贷可得性。[5-6]数字金融在提高金融可得性、缓解金融排斥、降低金融成本方面发挥了巨大作用。[7]相较传统金融模式而言，数字金融突破了物理网点限制，能够将数据作为新的生产要素，更加细致、精确地为有融资需求的企业提供针对性的金融服务，缓解了企业的融资约束。[8]数字金融改善了区域市场化环境，提升了金融服务实体经济的质效，凭借平台与技术优势满足企业的融资需求。[9]数字金融发展会对传统的企业融资活动产生冲击。数字金融通过“去中介化”有效降低了企业融资成本，缓解了企业融资约束，降低了企业对银行信贷的依赖。[10]
商业信用作为银行信贷资金之外的企业间短期资金融通的重要补充方式，在解决企业间短期资金融通问题的同时，也引发了信用违约风险和企业间长期占款等问题。目前关于数字金融发展影响企业商业信用融资的研究相对较少，且未形成统一的意见。李永奎等[11]认为，数字金融的发展可以缓解企业双方的信息不对称程度，有利于企业获得商业信用融资；而陈廉等[12]认为，数字金融的发展会加剧金融行业竞争，使得更多资源向企业倾斜，进而挤出商业信用融资。因此，数字金融发展对企业间商业信用融资的影响仍有待检验。
考虑到新冠疫情因素对研究结论可能产生干扰，本文以2011—2019年中国A股非金融类上市公司为研究对象，聚焦供应链视角，探究数字金融发展对企业间商业信用融资的影响。拟从供应链融资视角进行中介机制检验，验证在金融科技影响下企业供应链融资中银行信用与商业信用间的关系，以期为企业的供应链融资决策提供新的经验证据。本文的研究贡献主要表现为两点：第一，为金融机构借助科技创新和业务拓展更好地服务于地方企业发展提供依据；第二，为企业的短期融资决策提供合理依据，企业可充分利用银行提供的供应链金融服务，缓解企业间占款问题带来的潜在风险，有利于维护良好的供应链关系。
研究假设
(一)数字金融与企业间商业信用融资
我国金融体系的主导者为商业银行。在信贷业务方面，商业银行存在着“所有制歧视”与“规模歧视”，大多数的商业银行贷款都流向国有企业和规模较大的公司，非国有企业和中小规模公司获取商业银行贷款的数量少、难度大。在此情况下，商业信用作为银行信贷的替代，成为了我国正式金融体系的有益补充。[13]数字金融作为传统金融的补充与延伸，在解决企业融资问题方面发挥着重要的作用，缓解了企业的融资约束，对企业间的商业信用融资行为产生影响。
数字金融的发展拓宽了金融服务的范围，增加了资金来源。金融市场中存在大量分散的小规模投资者，由于成本高昂、技术难以达标等问题，传统的金融市场难以充分、高效地吸纳这部分小规模投资者。[6]数字金融的发展拓宽了金融渠道，构建了新的平台，使得金融服务的门槛与成本大大降低；同时，它充当了金融信息匹配的中介，直接将个体之间的借贷需求对接，提高了金融服务的效率，更好地发挥了长尾效应，为需要融资的企业提供了更多的资金来源，降低了其对商业信用的依赖。大数据、信息技术等创新性技术的发展，补充与完善了传统的征信系统。对于信用记录不全、信息少的企业，以往金融机构出于信用风险考虑，往往会提高其借贷的门槛及成本[14]；而在数字金融下，信息不对称、信息缺失等问题得到了缓解，银行等金融机构能够更高效地根据企业具体情况向其提供金融服务，导致其商业信用需求减少[15]。此外，替代理论认为，在商业信用关系中，供给方处于强势地位，这可能导致商业信用成本高昂，并致使需求方承受较高的信用违约成本。[16-17]数字金融发展水平不断提高，银行等金融机构可以为中小供应商及客户提供成本较低的、多元化的金融服务，这同样会导致企业降低对成本较高的商业信用的需求[18]，进而减弱企业间商业信用融资行为的动机，即数字金融的发展抑制了企业间的商业信用融资行为，缓解了企业间占款问题。基于上述分析，提出本文第一个假设。
假设1：在其他条件一定的情况下，数字金融的发展抑制了企业间的商业信用融资行为。
(二)行业竞争程度的调节作用
商业信用作为一种融资渠道，也是企业销售的客观需要。[19]在激烈的行业竞争环境中，为了从市场中获得更多的客户资源，取得销售优势，企业通常主动为客户提供更多的商业信用。市场竞争越激烈，客户就越容易找到替代品，企业在交易过程中就越被动，这时企业不得不提供更多的商业信用来吸引、维持客户。在这种情况下，商业信用被看作一种销售手段。在行业竞争程度较低的环境中，市场上替代品或竞争产品的数量相对较少，企业的产品或者服务容易进行销售，此时，企业通过提供商业信用来增加客源、扩大销售的效果通常不显著，因此企业对商业信用的使用意愿和规模会下降。若此时企业选择提供商业信用，更多是为其上下游客户企业提供融资支持，缓解其资金压力。[18]随着数字金融的发展，上下游企业用于融资的方式和渠道增加，获取资金的便利性提高，对于商业信用融资的依赖性和需求都有所下降，企业提供商业信用支持、进行企业间商业信用融资行为的必要性和动机会有所下降。基于上述分析，本文提出第二个假设。
假设2：在行业竞争程度较低时，数字金融发展对企业间商业信用融资行为的抑制作用会增强。
(三)供应商与客户集中度的调节作用
供应商集中度一定程度上反映了企业与供应商的议价能力。在供应商集中度较低时，企业对特定供应商的依赖程度小，此时供应商为了维持客户，会提供较多商业信用，企业则会采用延期付款、延长还款期等手段从供应商处获得较多的商业信用融资，这使得企业的资金压力小，有余力向其下游客户企业提供更多的商业信用支持。相反，当供应商集中度比较高时，企业对特定供应商的依赖程度大，供应商在谈判中处于主导地位，供应商会采用缩短货款回收期、减少赊销等行为减少其提供的商业信用[20]，企业获得的商业信用减少，其使用商业信用的成本会增高。此时，企业面临的资金压力相对较大，提供商业信用以进行企业间商业信用融资行为的动机和能力会下降，其提供的商业信用往往也存在数额小、期限短等问题。随着数字金融的发展，供应商集中度较高的企业，其下游客户企业会更倾向于使用其他资本成本更低的融资方式，缓解了对企业间商业信用融资行为的迫切需求。
客户集中度越高，意味着企业销售的产品主要集中在少数重要的客户手中。出于提升绩效、扩大销售的目的，企业在选择客户时，往往更愿意选择实力较强、市场地位较高的企业，而此类客户往往能够凭借自身的优势与市场地位，在签订合同的谈判中占据主导，能够通过各种手段将自身利益最大化。[21]企业迫于压力，往往会提供较多的商业信用支持，此时下游客户更可能将获得商业信用作为一种融资手段。随着数字金融的发展，客户减少了对于这种融资方式的依赖性，企业提供商业信用支持，进行企业间商业信用融资行为的意愿和规模也会有所减小。同时，数字金融的发展会降低企业与客户之间的信息不对称程度，加强上下游企业之间互通信息的能力，商业信用不必再作为担保或向客户传递产品质量的信息。[22]随着客户集中度的提高，企业与客户之间的关系密切程度进一步加深，双方利益逐渐趋同。此时，出于长远合作的考虑，客户会“体恤”上游供应商，减少对其商业信用的占用，供应商也就不必对客户提供过多的商业信用[23]，这缓解了企业间商业信用融资行为。
基于上述分析，本文提出以下两个假设。
假设3a：供应商集中度越高，数字金融发展对企业间商业信用融资行为的缓解作用越明显。
假设3b：客户集中度越高，数字金融发展对企业间商业信用融资行为的缓解作用越明显。
研究设计
(一)样本选择与数据来源
考虑数据的可得性，并尽量避免新冠疫情这一重大事件对分析结果可能产生的影响，本文选取2011—2019年为样本期间，以中国A股上市公司作为研究对象，对样本公司做以下筛选：为避免异常值影响，剔除ST类上市公司；考虑到金融类企业会计处理特殊性，剔除金融类上市公司；为确保数据质量和完整性，剔除期间相关数据指标存在缺失的样本。最终得到了735家公司的6 615个观测值。数字金融指数及其子指数的省级相关数据来自《北京大学数字普惠金融指数(2011—2020)》，其他数据均来自国泰安数据库。为了排除极端值对实证结果的影响，本文对连续型变量进行了1%以下和99%以上的缩尾处理。
(二)变量定义与说明
1.被解释变量：商业信用融资(TC)
参考孙昌玲等[24]对商业信用融资的定义，本文采用商业信用占用与商业信用支持的差额，即商业信用净额定义企业所获得的商业信用融资净额。为剔除规模差异的影响，采用商业信用融资净额与总资产的比值表示商业信用融资，计算方法为：(应收账款+应收票据+预付账款-应付账款-应付票据-预收账款)/总资产。
2.解释变量：数字金融指数(INDEX)
本文的解释变量采用《北京大学数字普惠金融指数(2011—2020)》中的数字金融指数的省级层面统计数据，并将其与企业注册地进行匹配。为使实证结果更加直观，取其自然对数。
3.调节变量
参考钟凯等[18]的研究，行业竞争程度用赫芬达尔指数(HHI)表示，该指数由行业内每个企业主营业务收入占行业内所有企业总的主营业务收入比重的平方和计算得到，其值越低表明行业竞争性越强。参考曹海敏等[25]的研究，供应商集中度(SR)采用企业前5大供应商采购额占企业年度总采购额的比例进行衡量，客户集中度(CR)则采用企业前5大客户销售额占企业年度总销售额的比例进行衡量，这两个指标值越大表明其集中程度越高。
4.控制变量
参考陆正飞等[26]的研究，考虑到其他可能影响商业信用融资行为的因素，本文选取以下控制变量：成长能力(GROW)、企业规模(SIZE)、资产负债率(LEV)、有息负债(LOAN)、公司年龄(AGE)、盈利能力(ROE)、经营活动现金流(CF)、资产抵押能力(PPE)、企业价值(TobinQ)。相关变量的定义如表1所示。
表1 变量定义
(三)模型构建
为了检验数字金融的发展与企业间商业信用融资行为的关系，本文构建如下回归模型。
式中：TCit为i企业在第t年的商业信用融资净额，INDEXmt为m省份第t年的数字金融指数，∑CON-TROLSit为控制变量，μi为企业固定效应，γi为年份固定效应。
为了检验行业竞争程度、供应商集中度、客户集中度在数字金融发展与企业间商业信用融资行为的关系中的调节作用，本文参考温忠麟等[27]建立模型的方式，将调节变量及其与数字金融指数的交乘项加入回归，构建如下回归模型。
实证分析
(一)描述性统计
相关变量的描述性统计结果如表2所示。商业信用融资净额均值为-0.005，中位数为0.002，表明半数以上的企业对外提供的商业信用支持仍多于其占用的商业信用融资，但是整体上企业提供商业信用支持的积极性和数量不够高。数字金融指数的均值为5.262，最小值为2.786，最大值为6.017，表明我国数字金融整体发展水平较高，但是不同省份之间的发展情况仍存在差异。赫芬达尔指数均值和中位数分别为0.233和0.157，表明样本中企业所处行业的市场集中度普遍偏低，竞争程度较高。供应商集中度的均值与中位数分别为0.308和0.262，说明样本中企业的供应商集中度普遍较低。客户集中度的均值与中位数分别为0.271与0.208，说明样本中企业的客户集中度也普遍较低。
表2 描述性统计
(二)回归结果分析
1.数字金融对企业间商业信用融资的影响分析
数字金融的发展对企业间商业信用融资行为的影响的回归结果如表3所示。其中，列(1)是仅控制年份固定效应的结果，列(2)是同时控制了个体以及年份固定效应的结果。回归结果显示：仅控制年份固定效应时，数字金融指数的系数为-0.0349，且在1%水平下显著；同时控制个体以及年份固定效应时，数字金融指数的系数为-0.0243，且在1%水平下显著。为避免可能存在的异方差问题，本文加入企业层面的cluster聚类重新进行回归，结果如列(3)所示，除t值发生变化外，各变量的系数基本保持不变。上述结果表明，数字金融的发展与企业提供的商业信用融资净额呈显著负相关关系，证实了数字金融的发展抑制了企业间的商业信用融资行为，缓解了企业间占款问题，支持了本文的假设1。
表3 数字金融的发展与企业间商业信用融资
2.调节机制检验结果分析
行业竞争程度、供应商集中度、客户集中度对数字金融发展影响企业间商业信用融资行为的调节关系的回归结果如表4所示。列(1)为行业竞争程度的检验结果，其中，数字金融与行业竞争程度的交乘项的回归系数为负，且在1%水平下显著，表明行业竞争程度较低时，会增强数字金融发展对企业间商业信用融资行为的抑制作用，支持了本文的假设2。列(2)为供应商集中度的检验结果，数字金融与供应商集中度的交乘项的回归系数为负，且在1%水平下显著，表明供应商集中度越高，数字金融发展对企业间商业信用融资行为的缓解作用越明显，支持了本文的假设3a。列(3)为客户集中度的检验结果，数字金融与客户集中度的交乘项的回归系数为负，且在1%水平下显著，表明客户集中度越高，数字金融发展对企业间商业信用融资行为的缓解作用越明显，支持了本文的假设3b。
表4 调节机制检验
(三)稳健性检验
1.内生性检验
为了避免内生性问题，本文采用工具变量法进行内生性检验。在工具变量的选取方面，由于数字金融的推广与互联网发展密切相关，网络的普及与数字金融存在紧密联系，本文参考唐松等[28]的研究，选用网络普及率(NET)作为工具变量进行内生性处理。各省网络普及率来自中国互联网络中心的《中国互联网络发展状况统计报告》。
内生性检验的实证结果如表5所示。列(1)中，网络普及率的回归系数显著为正，同时此工具变量通过了不可识别检验以及弱工具变量检验，说明工具变量的选择是合理有效的。列(2)中，数字金融指数的回归系数显著为负，表明在控制了内生性问题之后，数字金融发展依然显著抑制了企业间商业信用融资行为。列(3)—列(5)的结果表明，在控制内生性问题后，数字金融与行业竞争程度、供应商集中度、客户集中度的交乘项依然显著为负，调节关系依旧存在，与前文结论保持一致。
表5 内生性检验
2.替换解释变量
覆盖广度和使用深度作为数字金融的子指标，也能够反应数字金融的发展情况。为了保证结果的稳健性，本文将核心解释变量数字金融指数替换为其子指标数字金融覆盖广度(COVERAGE)和数字金融使用深度(DEPTH)，重新进行回归检验。表6中列(1)和列(2)分别为替换变量后的回归结果，结论与前文保持一致。
表6 稳健性检验
3.滞后性检验
考虑到数字金融的发展对企业间商业信用融资行为的影响在时间上存在一定的滞后性，本文采用将核心解释变量进行滞后处理的方式来进行稳健性检验。将数字金融指数滞后二期(L2，INDEX)，重新进行回归检验，结果如表6中列(3)所示，结论与前文保持一致。
4.变更样本区间
在本文研究的时间区间内，考虑到2015年因股灾重大不利事件会对企业产生一定影响，因此将2015年的数据作为特殊样本进行剔除，重新进行回归检验。变更样本区间后的回归结果如表6中列(4)所示，结论与前文保持一致。
(四)进一步分析
为了解决中小企业融资难问题，商业银行提供了供应链金融(SCF)服务，并受到广泛关注。供应链金融服务基于企业间形成的供应链条，将核心企业及其上下游有业务关联的中小企业视为整体，以企业间的业务合同为融资的担保，从银行等金融机构获得资金，加强了银企之间的稳定合作关系。[29]近年来，数字金融的蓬勃发展为商业银行提供的供应链金融服务提供了更大的发展空间，大大促进了其模式创新。同时，物联网、大数据等新兴数字化技术搭建起了新的金融科技平台，能够通过降低信息不对称控制交易风险，有助于弥合借贷双方信任缺失，进而构建起商业银行与企业间稳定的供应链金融网络信任关系[30]，中小企业在供应链中的经营数据更加透明，信用的可评价性与资产的可流通性更强，金融机构和商业银行能够更加有效可靠地针对有需求的企业开展金融服务[31]。借助于与核心企业形成的供应链关系，核心企业提供的商业信用支持是其上下游企业重要的融资渠道。然而，数字金融的发展大大促进了银企供应链金融业务的发展，为有融资需求的上下游企业提供了更加便利的融资手段，这会一定程度上降低企业间的商业信用融资需求。因此，本文预测，数字金融发展会通过促进商业银行提供的供应链金融服务，抑制企业间的商业信用融资行为，即存在着“数字金融→银行供应链金融服务→企业间商业信用融资”的影响路径。
为了进一步探究银行供应链金融服务在数字金融影响企业间商业信用融资过程中发挥的中介作用，参考温忠麟等[32]的方法，在模型(1)的基础上，构建模型(5)和模型(6)。
其中，SCFit表示银行提供的供应链金融规模。
由于供应链金融为企业提供的多是短期融资服务，其度量方式参考姚王信等[33]的做法，采用短期融资额作为供应链金融规模的代理变量，计算方法为：(短期借款+应付票据)/总资产。其余变量定义与前文一致。
中介作用的回归结果如表7所示，列(2)中数字金融指数的回归系数为0.0297，且在1%水平下显著，说明数字金融的发展有利于企业获得更多的供应链金融服务。将数字金融指数和供应链金融一起纳入回归模型后，列(3)中数字金融指数和供应链金融都与企业间的商业信用融资显著负相关，说明供应链金融在影响过程中发挥了部分中介作用，数字金融发展通过促进银行提供的供应链金融服务，抑制企业间的商业信用融资行为。
表7 中介机制检验
结论与建议
(一)结论
本文以2011—2019年中国A股非金融类上市公司为研究对象，实证研究了数字金融发展对企业间商业信用融资行为的影响，并分析了商业银行等金融机构提供的供应链金融服务在其中的中介效应，得出以下研究结论：(1)数字金融的发展抑制了企业间的商业信用融资行为，且行业竞争程度越低、供应商集中度越高、客户集中度越高，数字金融对企业提供商业信用支持的抑制作用就越强；(2)基于供应链的银行信用，在数字金融发展影响企业间商业信用融资的过程中，发挥了部分中介作用，数字金融促进了银行的供应链金融服务发展，抑制了企业间通过商业信用进行融资的需求，能够缓解企业间占款问题。
(二)建议
基于以上研究结论，本文提出如下政策建议。
第一，数字金融的发展使得企业拥有了更多的资金来源，同时也为企业提供了更多全新的融资渠道，使得企业在融资方面拥有了更多的选择，对传统融资方式的依赖有所降低。未来应进一步发挥数字金融使用便利、覆盖广泛、渠道多元、使用成本低廉等优点，出台和完善数字金融的支持政策，全面推进大数据、云计算等核心新技术的发展，为企业提供更加优质便利的金融服务，促进企业健康稳定发展。
第二，企业在市场竞争中应该充分发挥自身优势，根据自身情况灵活运用融资方式，合理调整融资结构，提高自身的抗风险能力。同时，正确处理与供应链上下游企业的关系，既要发挥好供应链的优势，又要防止因供应链过度集中而造成的话语权不足以及资金占用严重等问题，实现供应链的合作共赢。
第三，供应链金融作为新型的融资方式，具有巨大的潜力。政府应完善与供应链金融相关的法律政策，提高企业对供应链金融的认知度以及金融机构对供应链金融的参与度，正确引导企业合理运用供应链金融这一融资方式；同时，设立监管机构，规范监管供应链金融的运作。金融机构应该根据企业实际情况，创新服务模式，更好地缓解数字金融发展对传统金融服务带来的冲击。
[1]应千伟，蒋天骄.市场竞争力、国有股权与商业信用融资[J].山西财经大学学报，2012，34(9)：58-64.
[2]Petersen M，Rajan R.Trade Credit：Theories and Evidence[J].Review of Financial Studies，1997，10(3)：661-691.
[3]Giannetti M，Burkart M，Ellingsen T.What You Sell is What You Lend? Explaining Trade Credit Contracts[J].Review of Financial Studies，2011，24(4)：1261-1298.
[4]洪金明，王梦凯，马德芳.商业信用供给的同伴效应：近朱者赤乎?[J].北京工商大学学报(社会科学版)，2021，36(5)：102-113.
[5]黄益平，黄卓.中国的数字金融发展：现在与未来[J].经济学(季刊)，2018，17(4)：1489-1502.
[6]万佳彧，周勤，肖义.数字金融、融资约束与企业创新[J].经济评论，2020(1)：71-83.
[7]钱力，鲁健，尚子嫣.数字普惠金融对共同富裕的影响——基于系统GMM和门槛效应的检验[J].中国石油大学学报(社会科学版)，2023，39(3)：63-70.
[8]胡贝贝，王胜光，段玉厂.互联网引发的新技术——经济范式解析[J].科学学研究，2019，37(4)：582-589.
[9]黄锐，赖晓冰，赵丹妮，等.数字金融能否缓解企业融资困境——效用识别、特征机制与监管评估[J].中国经济问题，2021(1)：52-66.
[10]李佳，段舒榕.数字金融减轻了企业对银行信贷的依赖吗?[J].国际金融研究，2022(4)：88-96.
[11]李永奎，刘晓康.市场力量与政府作用：数字金融促进企业创新的机制探究[J].西部论坛，2022，32(3)：46-62.
[12]陈廉，易露，陈强.数字金融、中小企业债务融资与债权人异质性[J].贵州财经大学学报，2021(5)：53-60.
[13]张杰，刘元春，翟福昕，等.银行歧视、商业信用与企业发展[J].世界经济，2013，36(9)：94-126.
[14]廖婧琳，胡妍，项后军.数字普惠金融发展缓解了企业融资约束吗?——基于企业社会责任的调节效应[J].云南财经大学学报，2020，36(9)：73-87.
[15]盛天翔，范从来.金融科技、最优银行业市场结构与小微企业信贷供给[J].金融研究，2020(6)：114-132.
[16]Cunat V.Trade Credit：Suppliers as Debt Collectors and Insurance Providers[J].The Review of Financial Studies，2007，20(2)：491-527.
[17]孔东民，李海洋，杨薇.定向降准、贷款可得性与小微企业商业信用——基于断点回归的经验证据[J].金融研究，2021(3)：77-94.
[18]钟凯，梁鹏，董晓丹，等.数字普惠金融与商业信用二次配置[J].中国工业经济，2022(1)：170-188.
[19]孙浦阳，李飞跃，顾凌骏.商业信用能否成为企业有效的融资渠道——基于投资视角的分析[J].经济学(季刊)，2014，13(4)：1637-1652.
[20]马黎珺，张敏，伊志宏.供应商—客户关系会影响企业的商业信用吗——基于中国上市公司的实证检验[J].经济理论与经济管理，2016(2)：98-112.
[21]修宗峰，刘然，殷敬伟.财务舞弊、供应链集中度与企业商业信用融资[J].会计研究，2021(1)：82-99.
[22]Hill M D， Kelly G W， Lockhart G B.Shareholder Returns from Supplying Trade Credit [J].Financial Management， 2012，41(1)：255-280.
[23]吴娜，于博.客户集中度、体恤效应与商业信用供给[J].云南财经大学学报，2017，33(4)：141-152.
[24]孙昌玲，王化成，王芃芃.企业核心竞争力对供应链融资的影响：资金支持还是占用?[J].中国软科学，2021(6)：120-134.
[25]曹海敏，乔毓文.双碳经济下环境信息披露与商业信用融资——基于供应链集中度视角的研究[J].会计之友，2023(6)：95-103.
[26]陆正飞，杨德明.商业信用：替代性融资，还是买方市场?[J].管理世界，2011(4)：6-14.
[27]温忠麟，侯杰泰，张雷.调节效应与中介效应的比较和应用[J].心理学报，2005(2)：268-274.
[28]唐松，伍旭川，祝佳.数字金融与企业技术创新——结构特征、机制识别与金融监管下的效应差异[J].管理世界，2020，36(5)：52-66.
[29]胡跃飞，黄少卿.供应链金融：背景、创新与概念界定[J].财经问题研究，2009(8)：76-82.
[30]宋华，韩思齐，刘文诣.数字技术如何构建供应链金融网络信任关系？[J].管理世界，2022，38(3)：182-200.
[31]李健，王亚静，冯耕中，等.供应链金融述评：现状与未来[J].系统工程理论与实践，2020，40(8)：1977-1995.
[32]温忠麟，叶宝娟.中介效应分析：方法和模型发展[J].心理科学进展，2014，22(5)：731-745.
[33]姚王信，夏娟，孙婷婷.供应链金融视角下科技型中小企业融资约束及其缓解研究[J].科技进步与对策，2017，34(4)：105-110.
本文刊载于中国石油大学学报（社会科学版）2024年第4期，长按识别或扫描下方二维码查看原文，也可点击推文左下角“阅读原文”查看。
论文责编 | 曲 红
微信编辑 | 陈婷婷
微信责编 | 姜洪明
审 核 | 王旱祥
往期回顾
