金融科技创新、企业全要素生产率与经济增长——基于新结构经济学视角

巴曙松，白海峰，胡文韬

(1.东北大学 工商管理学院，辽宁 沈阳 110167；2. 清华大学 银色经济与健康财富研究中心，北京 100084)

一、问题的提出

改革开放给中国经济带来了40年的高速增长，但是随着人口红利的逐渐减少、产业升级的缓慢发展以及资本流动的持续受阻，中国经济发展进入了结构调整阵痛期，因此，转变经济增长模式是中国实现产业升级和高质量发展的必要途径。蔡昉等[1]通过拟合环境库兹涅茨曲线，发现传统经济动能已无法实现持续的高质量经济增长，需要提高企业生产效率。而庄涛和吴洪[2]认为，这种企业生产效率将会体现在企业的全要素生产率上，并采用中国国家知识产权局专利数据分析发现，全要素生产率能促进经济增长,而全要素生产率的提高依托于企业的技术升级。在此领域，学者们尝试通过引入专利产出和技术创新来研究企业绩效与经济增长之间的相互作用关系，从而探讨技术创新对于经济增长的重要意义，如Aghion等[3]的企业竞争与创新理论以及吴超鹏和唐菂[4]的科技创新驱动与经济转型理论。早在党的十八大时，中国就把“实施创新驱动”提高到国家战略，近二十多年的研发投入(R&D)逐年增长，研发投入占GDP的比重已经由1991年的0.6%提高到2015年的2.1%。但是创新带动经济发展仍然存在着问题。2018年美国政府发动对中国301条款调查使我们重新意识到，中国的创新模式还是以依赖发达国家的高新技术为主，自主创新能力不足。顾夏铭等[5]研究发现，2006—2015年，中国专利申请量和授权量年均增长率分别达到了24%和23%，发明专利申请年均增长率高达30%，徐瑛等[6]指出，虽然国内年专利申请量从47万件迅速上升到328万件，但是中国全要素生产率没有得到明显提升。这意味着一味谋求创新是无法持续促进经济发展的，因此，杨子荣和张鹏杨[7]认为，想要从根本上改变经济发展模式，首先需要促进产业结构转型升级，优化金融资源配置，只有金融资源配置与产业结构相适应，才能够促进产业增长。Allen和Gale[8]认为，在产业结构调整和经济发展的不同阶段需要不同的金融服务来提高融资效率。

近年来，全球金融科技投资额不断增加，仅2018年全球金融科技投资额增长逾一倍，达到553亿美元。其中，中国投资额达255亿美元，占全球总投资额的一半，几乎是2017年全球金融科技的投资总额。党的十九大报告将发展现代金融作为建设现代化经济体系的重要内容之一，而发展现代金融需要利用大数据、云计算、网络借贷和支付等方式优化资源配置，实现金融与科技融合，进而带动产业升级，促进实体经济发展。刘蕾和鄢章华[9]认为，金融科技的兴起有效地弥补了传统金融的天然缺陷，提高了金融资源的配置效率。从企业融资角度来看，金融科技创新推动商业银行更好地为企业提供融资服务。通过大数据技术分析企业的经营情况，商业银行能更客观有效地为企业提供信贷和担保服务，从而解决企业融资难、融资贵等问题。从企业运营角度来看，区块链技术确保了企业每笔交易有迹可循，降低了业务的违约风险。而区块链的去中心特征提高了企业跨境交易和结汇的效率，同时减少了跨境资金成本。金融科技的创新使企业快速适应市场发展需求,实现经济效益最大化。中国现阶段经济发展需要新的金融服务模式助力产业结构升级，从而推动经济高质量增长。

本文从微观层面分析金融科技创新对企业全要素生产率和经济增长的作用,主要创新点集中在以下两个方面：第一，基于新结构经济学理论，探究金融科技创新促进经济增长的内在路径，对于进一步阐明中国经济由要素驱动向创新驱动的转型具有重要意义。第二，本文采用了动态面板模型和面板门槛模型分析金融科技创新在高技术密集型产业和低技术密集型产业中的作用效果，为金融科技创新与产业发展二者结合提供实证支持。

二、文献综述与理论假设

新古典经济学认为，企业的生存能力是固定的，理论的本质在于研究生产力不变的情况下企业的最优资源配置。新古典经济增长理论把全要素生产率视为推动经济持续增长的重要因素，而探索提高全要素生产率的决定因素，已逐渐成为学术研究的热点问题。Schumpeter[10]认为，创新带动产业结构升级，进而实现经济增长，而经济增长的源泉是全要素生产率的提高。余泳泽和张先轸[11]认为，要研究技术创新对经济的推动作用，就要研究作为生产函数要素并能代表产业技术水平进步的全要素生产率，这是因为技术的进步才能有效提高生产率。但是，从风险的视角来看，Villaverde等[12]、Gulen和Ion[13]与Kang等[14]认为，创新没有带动经济发展，是由于经济政策不确定性改变了企业经营活动成本，抑制研发投入欲望，不确定性影响了企业的投资决策，增加企业成本去权衡创新活动面临的风险和收益，反而降低了企业的全要素生产率。从金融成本的视角，贾俊生等[15]与Chowdhurya和Maung[16]认为,金融发展的不完善导致融资成本、交易成本和市场摩擦变大，从而限制了研发经费的投入，金融发展有效降低了信息搜寻成本，合理发现企业创新的价值。从内生性视角，余泳泽和张先轸[11]指出，企业内部创新模式的不健全导致创新无法实现产业化。虽然对于创新带动经济发展的研究不胜枚举，但是金融科技作为技术创新以及金融发展的产物，其对企业全要素生产率的影响缺乏相关研究。付才辉[17]基于新结构经济学提出，经济发展需要通过要素禀赋结构升级。随着要素禀赋结构升级，原先符合比较优势的产业和技术不再具备比较优势，这将推动企业进行技术创新和产业升级，从而再次带动经济发展，实现高质量增长。杨子荣和张鹏杨[7]认为，金融资本作为一地区特定时点的要素禀赋，其结构的升级势必也会带动经济发展。而金融科技创新是指金融产业通过与科技产业的融合，实现金融行业的要素禀赋结构升级，进而为实体经济提供高效率和高质量的金融服务。金融科技通过提高资本配置效率和优化资本配置结构，为产业升级以及全要素生产率的提高提供了基础。从企业融资来看，张玉明和赵瑞瑞[18]发现，在传统的金融模式下，由金融中介机构主导的金融活动会导致传统金融的低效、信息不对称和存续期间短等问题，这必将弱化企业的融资能力，导致企业对于技术创新的投资下降，进而约束企业的全要素生产率。为了缓解企业资金约束，实现信息对称以及节省中介费用。卢亚娟和刘骅[19]通过分析科技金融协调效应发现，金融科技创新如大数据、云计算等技术，降低了金融资源搜索和传输的成本，从而缓解信息不对称问题以及降低企业的融资成本，这种资源的高效配置将有助于促进科技向生产力的稳步转化。从技术应用的角度来看，郭凯明[20]认为，人工智能技术的运用可视为实现自动化生产方式、改进劳动生产效率的重要技术创新，而企业可以利用大数据分析手段来预测市场需求、挖掘潜在客户,提供新产品和新服务,进而完善自我的竞争优势。除了刘蕾和鄢章华[9]提出的共享经济“去中心化”具备资金效率和成本优势外，区块链技术还提高了全产业链的可追溯性和真实性，并能对企业在研发、制造、销售等环节实现全记录，从而弥补传统企业的防伪技术并提高生产率。基于上述讨论，笔者提出以下假设：

假设1：金融科技创新提高了企业全要素生产率，有助于带动企业发展。

Krugman[21]指出，大部分东亚国家的技术创新所带来的经济增长并不明显，产业结构发展并没有出现实质提高。对此，付才辉[17]通过讨论新古典经济学向新结构经济学的转换，强调了要素禀赋结构在优化生产方面的重要性。这意味着，技术创新带动经济增长需要建立在产业结构升级的条件下。刘伟和张辉[22]通过将技术进步和产业结构升级从全要素生产率中分解出来发现，两者均对经济增长有促进作用，而且产业升级发展至特定阶段时，技术进步对于全要素生产率的带动更加明显。随着产业结构不断升级,金融结构也必将随产业结构的升级进行创新变化。龚强等[23]认为，高技术型企业将面临较高的技术风险和市场风险，会更依赖高效率和高质量的金融服务。而金融科技创新的优势在于运用大数据、云计算、人工智能和区块链等技术，减少信息不对称，降低信用风险和融资成本，提高金融服务效率。因此，金融科技创新在高技术密集型产业中优化资本配置以及提高产能效率的优势更加明显。基于上述讨论，笔者提出以下假设：

假设2：在高技术密集型产业中，金融科技创新对企业全要素生产率的带动作用更加明显，有助于进一步促进经济增长。

三、研究设计

(一) 样本选择及数据来源

本文选择2011—2018年中国33个省份上市和非上市公司作为研究样本，其中包含了中国香港和中国澳门地区的公司，非上市公司的数据来自于Orbis全球企业数据库，上市公司数据来源于Wind资讯金融数据库，经筛选和整理，最终选取37 455个观测值。本文选取的数据以财务数据为主，地区层面的经济数据从Wind资讯金融数据库和《中国统计年鉴》中获取。本文对高技术密集型产业和低技术密集型产业的分类是根据欧盟统计局对Orbis行业的分类进行的划分。

(二) 变量说明

1.被解释变量

本文的主要被解释变量为企业全要素生产率(TFP)，借鉴余泳泽和张先轸[11]的研究，通过采用随机前沿分析法(Stochastic Frontier Analysis，SFA)计算企业层面的TFP，以此微观视角探索经济增长。随机前沿生产函数采用柯布—道格拉斯形式，对其进行整理后如下：

Yit=β0+β1Wit+β2Cit+β3CGSit+εit

(1)

其中，Yit表示企业i在第t年的销售收入；Wit表示企业i在第t年的劳动力投入(员工数量)；Cit表示企业i在第t年的资本投入；CGSit表示企业i在第t年的销售成本；εit表示随机误差项。通过模型(1)计算出企业层面的全要素生产率(TFP)。

2.解释变量

本文的解释变量为金融科技创新(Fintech)，借鉴杨子荣和张鹏杨[7]的做法，从活力和规模两个维度衡量金融科技创新发展程度。金融科技创新活力(Fintech_ID)，衡量的是一个地区的金融科技创新运用程度，反映金融科技创新技术对产业结构调整和地区经济增长的影响。金融科技创新规模(Fintech_S)，衡量的是一个地区的金融科技创新的研发投入以及使用金融科技技术所产生的费用，主要反映一个地区的金融科技发展状况。金融科技创新活力和金融科技创新规模的数据来源于World Bank数据库和中国金融科技企业数据库。

3.控制变量

为重点考察金融科技创新对企业全要素增长率和经济增长的影响，本文除了控制地区效应外，还控制了一系列企业层面的影响因素：杠杆率Leverage，反映企业的负债风险以及衡量企业资金结构对企业经营绩效的影响，用总负债与总资产的比率衡量；资产收益率ROA，反映企业的收益情况，用净利润与总资产的比率衡量；销售成本Cost，反映企业的销售收入与销售投入之间的关系，用销售成本总额的自然对数衡量；无形资产Intangible，反映企业的专利权、商标权的价值，用无形资产占总资产的比率衡量；外商直接投资FDI，反映外商直接投资对经济增长的拉动作用，用企业实际利用外商直接投资额占GDP的比率衡量；地区出口总额Export，反映外需对经济增长的拉动作用，用地区出口总额占GDP的比率衡量。

需要特别说明的是，在面板门槛模型的检验中，被解释变量为经济增长lnGDP，解释变量为TFP，门槛变量为金融科技创新，即Fintech_ID和 Fintech_S。

(三)模型构建

为了探索金融科技创新与全要素生产率之间的关系，本文选择固定效应模型如下：

TFPit=β0+β1Fintechit+β2Zit+μ1+εit

(2)

其中，TFPit表示企业i在第t年的全要素生产率；Fintechit表示地区i在第t年的金融科技创新；Zit为一组控制变量，包括上述企业层面变量；μ1表示地区效应。为了加强估值的有效性，我们引用动态面板模型，采用Arellano和Bover[24]提出的系统广义矩形估值方法(System Meneralized Method of Moments)，如下：

TFPit=β0+β1TEPi,t-1+β2Fintechit+β3Zit+μ1+εit

(3)

其中，模型(3)右边包含了滞后变量TEP及其他具有潜在内生性问题的解释变量，因此，本文采用S-GMM模型来克服解释变量内生性问题。所有动态面板回归模型中，全要素生产率滞后项TEPi,t-1(L.TFP)、杠杆率Leverage、资产收益率ROA和地区出口总额比率Export被视为内生变量，采用一地区的进出口总额比率Alltrade作为工具变量。

四、实证检验与结果分析

(一)变量的描述性统计

本文选用中国33个省份(包括中国香港和中国澳门)企业层面面板数据作为样本，同时考虑各地区的独特优势，控制了地区性数据。表1是主要变量的描述性统计结果。如表1所示，中国企业全要素生产率的均值为0.366，远低于发达国家的0.700。而企业的杠杆率较高，为0.568，说明企业的债务问题较为严重。

表1 描述性统计结果

(二) 金融科技创新与企业全要素生产率关系的实证检验

金融科技创新与企业全要素生产率之间的固定效应模型估计结果，如表2所示。在表2的列(1)和列(2)中，金融科技创新活力(Fintech_ID)和金融科技创新规模(Fintech_S)与企业全要素生产率在1%和5%的置信水平下显著正相关，这说明金融科技创新活力增加1%，企业全要素生产率将相应地提高0.5个百分点，而金融科技创新规模增加1%，企业全要素生产率将相应地提高1.8个百分点。为了消除内生性因素影响，本文引入了S-GMM模型，在列(3)和列(4)中同样发现，金融科技创新活力和金融科技创新规模对企业全要素生产率有显著的促进作用，意味着这一结论是稳健的。同时，企业杠杆率Leverage和无形资产比率Intangible与企业全要素生产率存在显著的正相关关系，这说明资本的投入和无形资产的积累有利于企业的发展。

表2 金融科技创新与企业全要素生产率关系的动态面板估计结果

注：***、**和*分别表示在1%、5%和10%的置信水平下显著，括号内为稳健性标准误。AR(1)和AR(2)分别为模型残差的Arellano-Bond 一阶和二阶序列相关检验，Hansen 检验是工具变量过度识别检验。下同。

(三)不同产业结构条件下金融科技创新与企业全要素生产率关系的实证检验

虽然金融科技创新对企业的发展具有显著的带动作用，但是这一结论是在对中国33个省份的数据进行整体分析基础上得出的，而这些省份之间的产业结构可能存在巨大差异，因此，金融科技创新的作用在不同产业结构上的差异也应该具体考虑。表3列出了不同产业结构下金融科技创新对企业全要素生产率作用的估计结果。从列(1)、列(2)、列(5)和列(6)固定效应模型估计结果来看，在高技术密集型产业中，金融科技创新活力和金融科技创新规模对企业全要素生产率有显著的正向作用；在低技术密集型产业中，金融科技创新活力和金融科技创新规模对企业全要素生产率的作用不显著。这说明，金融科技创新的作用是有条件的，其能提高高技术密集型产业的企业全要素生产率，进而带动企业发展。而且这几列均通过了F检验和VIF检验，说明固定效应模型的估计是有效的。表3中列(3)、列(4)、列(7)和列(8)给出了S-GMM 模型的估计结果，(1)此处用S-GMM模型进行检验，主要是为了规避解释变量的内生性问题。从中可以发现，估计结果与固定效应模型估计结果一致，进一步证明了上述结论。同时，这几列的Arelleno-Bond检验表明，各模型残差不存在二阶序列相关，Hansen检验显示，各模型的工具变量有效，表明S-GMM 模型有效且上文的估计结果是稳健的。

表3 不同产业结构下金融科技创新与企业全要素生产率关系的估计结果

(四)企业全要素生产率与经济增长关系的面板门槛模型检验

为了进一步验证金融科技创新通过企业全要素生产率对经济增长的促进作用，本文运用面板门槛模型，选取金融科技创新做为门槛变量，对企业全要素生产率与经济增长之间是否存在门槛效应进行检验。模型设定如下：

lnGDPit=β0+β1TFPit(Fintech<γ1)+β2TFPit(Fintech≥γ2)+β3Zit+μ1+εit

(4)

其中，被解释变量Ln_GDPit表示地区i在第t年生产总值的自然对数；TFPit表示企业i在第t年的全要素生产率；Fintech作为门槛变量分别表示金融科技创新活力和金融科技创新规模；γn表示待估计的门槛值；Zit表示控制变量； μ1表示地区固定效应；εit表示随机误差项。

对企业全要素生产率与经济增长之间是否存在门槛效应进行检验的结果如表4所示，从表4可以看出，在1%的置信水平下企业全要素生产率与经济增长存在单一门槛效应。

表4 面板门槛模型检验结果

注：自助抽样次数设定为100次。本文也进行了双门槛检验，但结果与单一门槛检验一致。

在表4门槛值测度的基础上，本文用固定效应模型对企业全要素生产率与经济增长之间的关系是否受金融科技影响进行实证检验，检验结果如表5所示。从列(1)和列(2)可以看出，在高技术密集型产业中，企业全要素生产率对经济增长有显著的促进作用，尤其是金融科技创新高于门槛值时，企业全要素生产率促进经济增长的作用更为明显。但是，从列(3)和列(4)的结果来看，在低技术密集型产业中，企业全要素生产率对经济增长的促进作用出现了差别，当金融科技创新低于门槛值时，促进作用并不显著，当金融科技创新高于门槛值时，企业全要素生产率对经济增长的促进作用才较为显著。这意味着企业全要素生产率与特定发展阶段的金融科技创新及其内生决定的产业结构相适应时，才能够进一步促进经济增长。

表5 不同产业结构条件下面板门槛模型检验结果

注：面板门槛模型挑选出2011—2018年平衡面板数据做检验，自助抽样次数设定为100次。

(五)稳健性检验

关于企业生产率的度量，除了全要素生产率(TFP)之外，Arellano[24]认为，可以用员工的劳动生产率代替，即销售总额与员工人数的比率。因此，借鉴Arellano[24]的做法，我们采用员工劳动生产率作为替代指标来对本文结果进行稳健性检验。回归结果显示，(2)限于篇幅，稳健性检验结果未在正文列出，留存备索。金融科技创新活力(Fintech_ID)和金融科技创新规模(Fintech_S)与企业生产率(员工劳动生产率)具有显著正相关关系，而且该结果在1%的置信水平下显著。同时，再次引入S-GMM模型，发现金融科技创新活力和金融科技创新规模对企业生产率有显著的正向作用。以上结果均与表2中的主模型结果保持一致，这说明本文结果在采用不同企业生产率度量方法的情况下是稳健的。

五、结论与启示

本文基于新结构经济学理论，从微观视角探讨金融科技创新对企业全要素生产率和经济增长的作用。通过收集2011—2018企业层面面板数据，利用动态面板模型和面板门槛模型实证检验不同产业结构下金融科技创新与企业全要素生产率和经济增长之间的非线性关系，得出以下结论：第一，金融科技创新能够提高企业全要素生产率，对企业发展有带动作用。同时，当产业结构以高技术密集型为主时，金融科技创新对全要素生产率的促进作用更加明显。第二，金融科技创新通过企业全要素生产率对经济增长的带动作用存在门槛效应。当金融科技与产业升级层度相互适应时，企业全要素生产率将进一步促进经济增长。

本文的研究对于经济高质量发展具有一定的启示意义：第一，中国产业正处于转型中，随着要素禀赋结构的变化，产业结构也逐渐升级和转型，而金融科技创新并不是对所有产业都起作用，其只对高技术密集型产业有促进作用。第二，金融科技创新的过程是金融业实现结构升级和转型的过程，其本质还是以金融结构为主，因此，需要加强对金融机构的管理，强化金融科技的功能。