科技金融、信息不对称与融资约束

马凌远 尤航

【摘要】缓解中小型科技企业融资约束是创新驱动战略实施的关键环节， 也是“科技和金融结合”试点政策的首要目标。 借助始于2011年的“科技和金融结合”这一外生政策冲击构造准自然实验， 采用双重差分法评估“科技和金融结合”试点政策对我国中小型科技企业融资约束的影响。 结果表明： “科技和金融结合”试点政策有效缓解了中小型科技企业的融资约束， 这一结论在考虑识别假设条件和一系列可能存在的干扰因素后依然成立; 影响机制检验发现， 试点政策通过“信息平台效应”与“认证效应”降低了借贷双方的信息不对称， 进而引导信贷资源更多地流向中小型科技企业， 使其融资约束得到缓解; 异质性分析发现， 试点政策效应主要存在于小规模企业和民营企业， 而金融市场化程度越低的地区， 该政策对企业融资约束的缓解作用越大。

【关键词】科技金融;融资约束;中小型科技企业;信息不对称

【中图分类号】F832      【文献标识码】A      【文章编号】1004-0994（2021）14-0056-8

一、引言

对于我国经济发展而言， 融资约束问题已成为制约经济转型和升级的重要瓶颈之一[1] 。 世界银行发布的《投资环境调查报告》显示， 中国有75%的非金融类上市公司将融资约束列为企业发展的主要障碍。 由于产业属性导致的高风险和不确定性， 中小型科技企业更易面临融资约束困境[2] 。 随着我国创新驱动发展战略的加快落实， 如何破解中小型科技企业的融资难题已成为政府、企业以及学界共同关注的焦点。 关于创新与金融资本的关系论述最早见于熊彼特的著作《金融发展理论：对于利润、资本、信贷、利息和经济周期的考察》中， 其认为科技创新项目作为资本密集型活动需要大量金融资本支持， 而金融资本依托科技创新也得以快速发展[3] 。 被誉为中小型科技企业融资天堂的纳斯达克证券市场的蓬勃发展， 正是科技与金融互促共生的典型案例。 实际上， 我国早在20世纪80年代就开始尝试将科技和金融进行结合。 1985年， 中国人民银行和国务院科技领导小组发布了《关于积极开展科技信贷的联合声明》。 1993年， 深圳市科技局首次将“科技和金融”简写为“科技金融”， 这一新兴词汇由此正式进入公众视野。 经过多年的发展， 我国科技金融已经成为融合创业投资、银行信贷、多层次资本市场等于一体的多渠道、全方位、多视角金融体系[4] 。 2011年， 科技部同“一行三会”决定推进“科技和金融结合”试点政策（简称“试点政策”）①， 旨在进一步助力中小型科技企业突破融资瓶颈， 以及为培育和发展战略性新兴产业提供可复制的范本。 自首批试点设立以来， 各试点地区不断创新科技财政投入方式， 引领金融机构和民间资本与科技创新对接。 目前中小型科技企业创业投资引导资金已与地方政府、民间资本共同成立了近百家创投基金， 其注册资本总额超过130亿元。

随着试点地区科技金融相关政策的陆续出台， 以及试点的进一步扩容②， 试点政策效果引发了部分学者的关注。 马凌远和李晓敏[5] 、郑石明等[6] 分别采用双重差分法对试点政策绩效进行了评估， 发现科技和金融结合显著地促进了试点地区的技术创新。 但由于两者所用的均为城市层面数据， 因此在影响机制检验方面均未涉及企业融资约束问题， 而其应为试点政策促进地区创新水平提升的首要标的。 那么， 如果试点政策效果明显， 其将在很大程度上缓解试点地区中小型科技企业的融资约束。 基于此， 本文以“科技和金融结合”试点改革作为准自然实验， 利用上市公司微观数据， 通过分析试点城市和非试点城市的中小型科技企业在试点设立前后融资约束的变化， 以对比分析试点改革的效果， 并进一步探讨试点政策通过何种途径缓解企业融资约束， 以及政策效应在不同企业和地区间的异质性。

本文的边际贡献在于： （1）从政策评估的角度衡量科技金融对企业融资约束的影响。 已有实证研究大多聚焦于科技金融对创新创业的影响， 仅有个别研究构造科技金融发展指数检验科技金融对企业融资约束的影响。 而试点政策作为科技金融的创新实践， 从政策评估的角度衡量其对企业融资约束的影响具有重要的现实意义。 （2）将试点政策的“信息平台效应”和“认证效应”作为中介变量， 为试点政策影响企业融资约束的渠道机制提供了新的经验证据。 （3）首次采用双重差分法评估试点政策对企业融资约束的影响。 双重差分法既能控制样本之间不可观测的个体异质性， 又能控制随时间变化的不可观测总体因素的影响， 因而能得到对政策效果的无偏估计[7] 。

二、 理论背景与研究假说

基于创新研发的特殊性， 科技创新企业的融资是非常困难的[8] 。 科技创新产出具有高度的不确定性， 而且这种不确定性随着研发项目的纵深推进表现得更为突出， 企业无法使用风险调整法对创新项目的收益进行有效评估[9] ， 外部投资者需要额外的风险升水增加了融资成本。 科技企业在漫长的创新研发中需要大量金融服务的支持， 如果资金供给不足可能导致创新活动中断甚至半途而废[10] 。 因此， 创新研发的资金来源是企业必须考虑的重要问题。 内部融资是企业研发活动的一个重要资金来源， 相比外源融資， 其优点是不需要抵押、不用担心企业财务危机相关问题[11] 。 但如果企业只依赖内部融资， 可能带来以下难题： 首先， 科技企业可能拥有社会需要的创新机会， 但是这种创新机会需要的投入远超其内部所能募集的资金， 对于处于种子期的科技企业来说更是如此; 其次， 因为创新项目需要持续的资金投入， 而商业周期波动导致企业利润的变化使得依靠内源资金的项目研发变得不稳定。 因此， 中小型科技企业获取外部融资是内部压力的释放， 同时也是资金效率最大化的最优选择。

部分学者提出金融发展可以有效缓解企业的外源融资约束。 解维敏和方红星[10] 发现地区金融发展水平拓宽了企业信贷资源的获取渠道、增加了企业的研发投入资金， 而该影响在小规模企业中更为明显。 陆桂贤等[12] 认为金融深化表现为金融抑制的弱化， 可以有效缓解企业的外源融资约束。 与此观点不同的是， 姚耀军和董钢锋[13] 从金融结构的角度探讨了如何缓解中小企业融资约束， 他们认为由中小银行发展所推动的金融结构变化是缓解中小企业融资约束的主要因素， 而这种情形在中小型科技企业中更明显。 对于我国这样一个金融发展滞后且以银行业为主导的经济体， 金融发展和金融结构的优化可能会带来金融效率的提高， 但基于此观点的研究自然从单一角度考虑如何完善金融市场、如何推动中小型金融机构对中小型科技企业的金融支持。 实际上， 现代金融是综合多渠道、多方位、多视角的复杂体系， 从促进科技与金融结合的角度来看， 缓解中小型科技企业的融资约束不能仅依赖单一的金融机构或金融市场。

如果能够构建一套完善的中小型科技企业融资保障机制， 逐利的资本没有理由不趋之若鹜[2] 。 因此， 缓解中小型科技企业融资约束的关键在于构建一套调动创业投资、银行信贷、多层次资本市场的融资体系。 诺贝尔经济学奖得主Joseph认为科技创新具有正外部性， 即科技产出收益在市场主体间的分配存在失衡， 因此政府应制定相应的科技创新激励政策。 而试点政策旨在通过顶层机制设计， 为中小型科技企业打造多层次的融资体系， 缓解其融资约束， 进而促进其创新。 那么， 试点政策如果有效， 政策效果应首先体现在有效缓解中小型科技企业的融资约束上。 因此， 本文提出第一个研究假说：

H1： 试点政策能够缓解中小型科技企业的融资约束。

学术界普遍认为， 信息不对称是导致企业融资约束的重要原因之一[14] 。 信息不对称是金融市场投融资活动普遍存在的难题， 创新企业未来经营的高度不确定性使其信息不对称程度更为严重。 在创新项目的具体进展方面， 企业往往比投资者拥有更完备的信息， 使投资者难以区分投资项目的好坏[15] 。 在正常的投资回报之外， 额外的“柠檬溢价”提升了融资成本。 强化信息披露被认为是解决信息不对称问题的根本方法[16] ， 但创新项目披露的技术外溢会削弱创新者的投入动机。 市场信息的缺口难以消除， 企业就有利用这种信息优势在事前谈判或事后使用资金过程中损害资金供给方利益的动机[17] 。

在市场存在信息不对称进而可能产生逆向选择或道德风险的情况下， 试点地区重视信息基础能力建设， 通过搭建信息化服务平台， 整合了中小型科技企业的基本融资信息， 如天津、武汉、成都等开创的中小微型科技企业数据库， 北京、上海、江苏、浙江、陕西等建设的科技企业信用体系。 此外， 各试点地区推动科技金融中介服务快速发展， 如上海和江苏建立的科技金融信息中介平台， 中关村科技园区将信用评价、政府资助和企业融资各类信息相结合的“瞪羚计划”[4] 。 这些科技信息服务平台一般是地方性金融机构， 专门为地方企业服务。 借助于长期的合作关系， 科技信息平台对企业经营状况的了解程度逐渐加深， 不仅减少了资金供求双方贷前获取信息的成本， 而且降低了贷后管理的执行成本， 这是试点政策缓解信息不对称进而降低企业融资约束的重要因素。

此外， 鉴于创新融资约束的普遍性， 地方政府期望通过政策引导来拓宽企业融资渠道。 Lerner [18] 研究表明， 政府的资助起到了“质量证明”的作用， 使获取政府补贴的企业更易从市场上获取创新资金。 2011年以来， 我国首批科技金融试点地区也通过研发补贴、税收优惠等财政补贴对科技企业的创新研发活动提供支持。 虽然政府的财政补贴能够直接缓解企业的融资约束， 更为重要的是其对企业融资的间接影响即政府的“认证”向市场传递了一种积极的信号， 鼓励潜在金融机构向被不完全市场所掩盖的优质企业提供资金支持， 进而帮助缓解中小型科技企业融资难问题。 换句话讲， 试点政策推动地方政府充当特殊金融中介降低了信息不对称， 进而缓解了中小型科技企业融资约束。 因此， 本文提出第二个研究假说：

H2： 试点政策通过降低信息不对称缓解中小型科技企业的融资约束。

试点政策若能缓解企业融资约束， 这种作用在不同类型企业间或不同地区间可能存在异质性， 其可能会因企业规模、产权性质、地区金融市场化水平的不同而存在差异。 首先， 从企业规模来看， 中小企业因其较高的单位资金交易成本、信息披露不完善等更易陷入融资约束困境[17] ， 即中小企业融资更依赖于外部融资环境， 而大型企业可以依据其自身特征优势获取外部融资。 从这个意义上讲， 试点政策效果可能对中小企业更为明显。 其次， 国有控股企业相对私有产权企业具有一定的融资优势。 地方政府在一定程度上可干预信贷资源的配置， 使国有控股企业获取更多的信贷资源[10] 。 且国有控股企业在遭遇融资困境时更易获得政府补贴或资助， 这就为其提供了隐性的融资担保。 理论上， 与国有控股企业相比， 民营企业更易面临融资约束， 其更可能从试点政策中获益。 最后， 我国的金融体制内生于国家经济发展战略， 导致不同地区的金融市场化水平存在较大差异， 且地方政府实施严格的金融管制， 也会导致金融市场处于高度分割状态， 金融资本在地区间的自由流动存在诸多限制[19] 。 由此可以预见， 依赖于外源融资的企业， 其创新投入受限于地区金融市场化水平。 那么， 试点政策效果在金融市场化水平较低地区应更为突出。 综上， 本文提出第三个研究假说：

H3： 试点政策的融资约束效应对于小规模、私有产权、金融市场化水平较低地区的企业更为显著。

三、研究设计

（一）研究样本

依据中国证监会上市公司行业分类二级标准（2010版）， 本文以2006 ～ 2018年机械设备仪表制造业、医药生物制品制造业以及信息技术业的中小板上市公司作为初始研究样本， 并执行了以下筛选程序： （1）剔除注册地在西藏的上市公司; （2）剔除上市首年的公司样本数据; （3）剔除ST、?ST类上市公司; （4）对全部连续变量采用1%的Winsorize缩尾处理。 最终获得了401家上市公司13年共计2971個研究样本。 本文的上市公司财务数据来源于CSMAR数据库。

（二）模型设定

本文将“科技和金融结合”试点政策作为一项“准自然实验”， 采用双重差分法评估这一政策对中小型科技企业融资约束的影响。 具体来讲， 本文将试点地区的中小型科技企业作为实验组， 将非试点地区的中小型科技企业作为控制组; 相比控制组而言， 实验组遭受了试点政策冲击， 可能导致其融资约束变化明显。 进一步对比两组样本融资约束在试点设立前后变动的平均差异， 可得试点政策的净效应。 本文的实证模型设计如下：

式（1）中： 下标i、t分别表示企业、年份; KZ是衡量企业融资约束的被解释变量; Treat用以区分实验组和控制组; Post用于区分试点政策设立前后的两个时期; Treat×Post用来划分试点设立前后的不同组别企业; Z为控制变量合集， 企业层面包含资产收益率ROA、企业规模Nstaff、企业成立年限Age、销售增长率SG， 城市层面包含科技支出水平Fund、金融市场化水平Market、金融发展水平Loan; Dind为行业固定效应、Dt为时间固定效应。 为克服误差项在相关维度层面的异方差特征， 本文所有的估计均采用以行业聚类的稳健标准误。 β1是本文重点关注的系数， 其衡量了试点设立前后实验组与控制组样本融资约束变化的平均差异。 若β1<0， 则意味着试点政策缓解了中小型科技企业的融资约束; 若β1>0， 则意味着试点政策加剧了中小型科技企业的融资约束; 若β1=0， 则意味着试点改革的政策效应不明显。

（三）变量说明

1. 被解释变量。 融资约束（KZ）为被解释变量， 构建过程参考Kaplan和Zingales[14] 的做法， 选取经营性净现金流/上期总资产（CFi，t/Ai，t-1）、现金股利/上期总资产（DIVi，t/Ai，t-1）、现金持有/上期总资产（Ci，t/Ai，t-1）、资产负债率（LEVi，t）、托宾Q值（Qi，t）五个变量， 分别计算上述五个指标的年度中位数。 当样本CFi，t/Ai，t-1、DIVi，t/Ai，t-1、Ci，t/Ai，t-1小于其中位数时， 表明上市公司可能面临融资约束问题， 则分别将KZ1、KZ2、KZ3赋值为1， 反之为0; 当样本LEVi，t、Qi，t大于其中位数时， 表明上市公司可能存在融资约束， 则该样本对应KZ4、KZ5分别赋值为1， 小于中位数时赋值为0。 令KZ=KZ1+KZ2+KZ3+KZ4+KZ5， KZ指数越大， 意味着上市公司面临的融资约束程度越高。 进一步将KZ指数作为因变量对其分指标进行逻辑排序回归， 回归结果如式（2）所示：

2. 核心解释变量。 Treati×Postt是本文的核心解释变量。 其中： Treati为政策虚拟变量， 如果样本所在城市在2011年被列入“科技和金融结合”试点， 则Treati赋值为1， 反之为0; Postt为政策期虚拟变量， 2011年及之后赋值为1， 否则为0。 根据双重差分设计原理， Treati×Postt的系数为试点政策对中小型科技企业融资约束的净效应， 当且仅当企业注册所在地位于试点城市， 且时间处于2011年及之后时， Treati×Postt取值为1， 否则为0。

3. 控制变量。 本文分别从企业和城市两个层面设置控制变量， 企业控制变量设置如下： 资产收益率（ROA）， 以净利润与总资产平均余额（期初总资产余额与期末总资产余额的均值）的比值表示; 企业规模（Nstaff）， 以企业全体职工的对数表示; 企业成立年限（Age）， 以当期与企业初始创立年份的差值表示; 销售增长率（SG）， 以企业年度销售收入的增长率表示。 城市特征变量设置如下： 科技支出水平（Fund）， 以财政科技支出占GDP的比重表示; 金融发展水平（Loan）， 以年末金融机构贷款余额与地区生产总值的比值表示; 金融市场化水平（Market）， 以金融市场化指数的对数表示。

四、实证结果与分析

（一）描述性统计

表1列示了主要变量的描述性统计结果。KZ的均值为2.5126，最小值是0，最大值为5，说明样本企业面临不同程度的融资约束。Treat×Post的均值为0.5251，表明约有1560个样本受到试点政策的影响。控制变量与实际情况比较相符，此处不再赘述。

（二）基准回归结果

为考察试点政策对企业融资约束的影响， 本文首先对模型（1）进行回归。 如表2所示， 第（1）列汇报了只控制行业和时间层面双向固定效应的回归结果， 核心解释变量Treati×Postt的系数在1%的显著性水平上为负。 第（2）列进一步控制了城市特征变量和企业特征变量， 估计结果仍显著为负， 相比第（1）列的系数稍有变化。 基准回归结果表明， 试点设立后， 受到政策冲击的实验组相比未受到试点政策冲击的控制组， 其融资约束得到了有效缓解。 因此， 可以认为试点政策显著缓解了中小型科技企业的融资约束。

（三）稳健性检验

为保证估计结果的稳健性， 本文分别从双重差分法识别假设检验、排除其他政策效应影响以及是否受非观测因素影响三方面进行稳健性检验。

1. 双重差分法识别假设检验。 双重差分法要求在没有外在因素干扰的情况下， 实验组的结果变量在政策试点设立的前后要具有可比性。 为此， 本文借鉴许和连和王海成[20] 的研究， 设计以下模型：

模型（3）中：      为系列年份虚拟变量， 当处于试点政策实施前的第j年时，      取值为1; 当处于试点政策实施后的第j年时，      取值为1; 除此之外，      均取值為0。 这里以首批试点设立的当年作为实验组， 回归结果中     的系数为试点地区样本企业的融资约束在试点设立前后的差异性变化。 如图1所示， 2011年之前，      的系数不显著， 说明企业融资约束与试点政策并无显著关联; 2011年及之后，      的系数显著为负， 这意味着随着政策试点的推进， 中小型科技企业的融资约束得到有效缓解。 这为平行趋势假定及DID方法的有效性提供了证据支持。

双重差分法回归的残差序列相关问题可能导致系数标准误的估计有偏， 为此， 本文重构两期双重差分法进行稳健性检验。 即在基准回归的基础上， 进一步将第二批科技金融政策试点地区的样本企业纳入Treati×Postt进行回归分析。 如表3第（1）列所示， 考虑试点政策扩容后的Treati×Postt系数并无显著变化， 回归结果稳健。

试点政策存在一定程度的行业针对性， 企业可能预期到该政策的颁布， 进而破坏平行趋势假定且带来“政策混杂效应”[21] 。 对此， 本文在模型（1）中加入新交互项Treati×D10t， D10t为政策冲击前一年的虚拟变量， 若处于2010年， D10t取值为1， 其余年份皆为0。 回归结果如表3第（2）列所示， 该项系数不显著， 说明预期效应不存在。 此外， 在考虑预期效应的情况下， Treati×D10t的系数并未发生实质性变化， 可进一步排除预期效应存在的可能。

2.排除其他政策效应的影响。 除试点政策会拓宽企业融资渠道外， 2001年前后企业融资渠道还可能受其他政策的影响。 首先， 同一时期最可能干扰本文结果的当属国家创新试点城市和国家自主创新示范区政策， 考虑到上述政策与试点政策的落脚点皆为解决科技创新过程中的难题， Treati×Postt的系数可能包含上述政策的影响， 进而导致基准回归结果产生偏误。 对此， 借鉴马凌远和李晓敏[5] 的研究， 表3第（3）列汇报了控制创新试点城市和国家自主创新示范区（SP）的回归结果。 结果表明， 同一时期的上述政策并未对本文的基准回归结果产生实质性的影响。 其次， 宏观货币政策的波动不仅直接影响企业融资规模， 还会通过未来复杂的经济形势以及企业未来盈利的不确定性间接影响企业融资。 表3第（4）列展示了控制货币政策波动（MP）的回归结果， 可见关注变量的系数并未发生显著变化。 最后， 微观企业的治理结构同样会对其融资约束产生影响， 即拥有银行关联企业的融资约束远低于行业平均水平。 表3第（5）列汇报了控制银行关联（BC）后的回归结果， 结果仍然是稳健的。 基于上述检验， 可以认为同一时期的其他干扰因素不会对本文回归结果产生实质性的干扰。

3. 是否受非观测因素影响。 双重差分法通过加入控制组的对照， 可以减少需要考虑的控制变量， 但可能存在随时间、地点变化而无法控制的因素， 如省级政府其他政策的动态调整可能会导致试点城市科技金融政策实施的变化， 从而使回归结果产生偏误。 对此， 表3第（6）列汇报了加入省份×时间固定效应的回归结果， 表明前文的回归结果仍是稳健的。

本文的识别框架内是否遗漏了重要解释变量， 进而导致回归结果有偏？ 对于这一问题实际上是难以观测的。 为间接地检验这些非观测因素是否会造成回归结果偏误， 本文借鉴周茂等[22] 的研究， 采取随机抽样的方式进行安慰剂检验。 根据式（1）， Treati×Postt系数估计值的表达式如下：

在模型（4）中， Z为控制变量的合集， 若   =β， 即γ=0， 意味着非观测因素不会对估计结果的可靠性产生影响。 对此， 采用倒推法求解γ。 首先， 使用计算机生成试点政策对中小型科技企业的随机冲击并重复500次， 这样的随机处理能保证试点政策不会对企业融资约束产生实际影响， 即βrandom=0。 其次， 估计出  random的均值， 由图2可以发现随机处理后的估计系数  random分布在0附近， 其与基准回归结果相比已非常接近于0。 最后， 将βrandom和  random代入模型（4）中， 可以推断出γ近似为0， 进而证明未观测的企业或地区特征变量不会对回归结果产生影响， 且本文识别策略有效。 这意味着H1得到了支持。

五、 进一步检验

（一）影响机制检验

试点政策对中小型科技企业融资约束的影响可能是通过两个方面实现的： 一方面， 试点地区搭建了科技与金融的沟通桥梁; 另一方面， 试点政策的认证效应拓宽了企业的融资渠道。 “信息平台效应”和“认证效应”都有利于降低信息不对称， 进而缓解中小型科技企业的融资约束。

限于信息平台数据的可得性， 本文将上市公司透明度作为信息平台效应（TRANi，t）的代理指标， 数据来源于CSMAR数据库分析师预测子库。 依据深交所划分的四个透明度等级， 依次对TRANi，t赋值4（不及格）、3（及格）、2（良好）、1（优秀）。 TRANi，t值越大， 意味着上市公司信息透明度越低（信息不对称程度越高）。 表4第（1）列汇报了信息平台效应作为中介变量的回归结果， Treati×Postt×TRANi，t的系数在5%的水平上显著， 这意味着试点政策通过发挥信息平台效应来缓解科技企业的融资约束; 三者交乘项的系数为负， 说明试点政策对信息透明度低的企业冲击更大， 政策效应更明显。

参考孟庆玺等[23] 的做法， 选取企业所获取的政府补助作为认证效应（REi，t）的代理指标， 数据来源于上市公司年度财务报表附注中“营业外收入”所披露的“政府补助”。 统计分析结果显示， Treati×Postt×REi，t的系数在5%的显著性水平上为负， 即企业获取的政府补助越多， 试点政策的认证效应越突出。 这验证了H2的成立。

（二）异质性检验

1. 企业规模对试点政策效果的影响。 在传统金融市场中， 中小企业往往因单位资金交易成本较高、信息披露不完善等被大型金融机构拒之门外[17] 。 本文以企业期末总资产的中位数为基准， 将样本划分为规模大和小两组。 表5第（1）和（2）列汇报了回归结果， 可见试点政策对两类企业的融资约束均有积极显著的影响， 相较而言， 小规模企业的Treati×Postt系數绝对值更大， 意味着试点政策缓解企业融资约束的效应在小规模企业更明显。 这说明政策效果与企业规模存在较强关联， 同样的政策在大规模企业中更多的是扮演“锦上添花”的角色， 边际效应较小。 中小型企业长期以来易面临信贷歧视， 试点政策对其更可能是“雪中送炭”， 政策效果更明显。

2. 企业性质对试点政策效果的影响。 国有企业与民营企业之间存在战略目标定位的差异， 使国有企业比民营企业面临的融资约束更小[24] 。 民营企业由于其经营不稳定， 难以从正规金融机构获取资金， 长期以来更易遭受“信贷歧视”[25] 。 具体到试点政策， 为检验其实施效果是否在民营企业与国有企业之间存在差异， 本文将样本按企业性质分组进行检验。 回归结果如表5第（3）和（4）列所示， 试点政策缓解企业融资约束这一政策效应只在民营企业中显著， 在国有企业中不显著。

3. 地区金融市场化水平对试点政策效果的影响。 试点政策的初衷是通过优化地区金融资源配置， 降低中小型科技企业的融资成本。 换言之， 试点政策在一定程度上弥补了试点地区金融资源配置的低效， 使更多的信贷资源向中小型科技企业倾斜。 对此， 本文参照王小鲁等[26] 编写的各省“金融市场发育程度”指标， 依据试点政策设立当年的金融市场化指数中位数， 将样本划分为金融市场化水平高和低两组。 表5第（5）和（6）列汇报了以金融市场化水平分组的回归结果。 结果表明， 金融市场化水平较低的地区， 试点政策显著缓解了中小型科技企业的融资约束， 且其影响系数远大于基准回归系数， 而高金融市场化水平地区的政策效果不显著。 这验证了H3。

六、结论与政策启示

本文借助始于2011年的“科技和金融结合”这一外生政策冲击构造准自然实验， 采用双重差分法评估试点政策对我国中小型科技企业融资约束的影响。 研究发现： 科技与金融的结合有效地缓解了中小型科技企业的融资约束， 这一结论在考虑识别假设条件和一系列干扰因素后依然成立; 影响机制检验发现， 试点政策主要通过信息平台效应与认证效应缓解了中小企业融资约束; 异质性检验表明， 政策效应主要存在于小规模企业和民营企业; 同时， 金融市场化水平越低的地区， 试点政策对企业融资约束的缓解作用越大。 本文从企业融资约束的角度为我国不断推进科技与金融结合政策取得的成效提供了有力的经验支持。

本文的实证结果具有以下政策启示： （1）科技与金融结合能够显著缓解中小型科技企业的融资约束。 科技部和“一行三会”应持续推进科技与金融结合的试点建设， 在顶层设计和宏观协调之外， 还应该细化对地方的政策指引， 强化金融支持系统（对技术创新转化为现实生产率起重要作用）， 并使之形成更多可复制的经验。 （2）地方政府通过政策指引或财政补贴引导金融资源流向， 这一举措可能导致短期企业过度投资、长期政策效应减弱等负面问题。 实际上， 科技投资本质上仍属于市场行为， 应由专业化的市场主体依靠市场机制运作。 这其中可能存在信息不对称甚至是市场失灵， 地方政府应着重于强化信息平台的建设、规范资信评级机构的发展。 （3）我国长期发展经验表明， 重视中小型科技企业发展是培育科技竞争新优势的重要举措。 着力化解企业发展面临的融资困境， 这要求政府不仅要做好科技和金融结合的长期规划， 更要立足于企业主体的相关特征， 重视政策实施与企业规模、企业性质、企业发展阶段的匹配度。 【 主 要 参 考 文 献 】

[1] 邓可斌，曾海舰.中国企业的融资约束：特征现象与成因检验[ J].经济研究，2014（2）：47 ～ 60+140.

[2] 徐京平.我国科技型中小企业融资体系研究[D].西安：西北大学，2014.

[3] 约瑟夫·熊彼特著.何畏等译.经济发展理论：对于利润、资本、信贷、利息和经济周期的考察[M].北京：商务印书馆，1990：73 ～ 74.

[4] 张明喜，魏世杰，朱欣乐.科技金融：从概念到理论体系构建[ J].中国软科学，2018（4）：36 ～ 47.

[5] 马凌远，李晓敏.科技金融政策促进了地区创新水平提升吗？——基于“促进科技和金融结合试点”的准自然实验[ J].中国软科学，2019（12）：30 ～ 42.

[6] 郑石明，伍以加，邹克.科技和金融结合试点政策有效吗？——基于双重差分法的研究[ J].中国软科学，2020（1）：49 ～ 58.

[7] 陈林，伍海军.国内双重差分法的研究现状与潜在问题[ J].数量经济技术经济研究，2015（7）：133 ～ 148.

[8] Hall B.， Lerner J.. The financing of R&D and innovation[M].North Holland： Handbook of the Economics of Innovation，2010：609 ～ 639.

[9] Scherer F. M.. The size distribution of profits from innovation[M].Spring US： The Economics and Econometrics of Innovation，2000：473 ～ 494.

[10] 解维敏，方红星.金融发展、融资约束与企业研发投入[ J].金融研究，2011（5）：171 ～ 183.

[11] Brown J.， Fazzari S.， Petersen B.. Financing innovation and growth： Cash flow， external equity and the 1990s R&D boom[ J].Journal of Finance，2009（1）：151 ～ 185.

[12] 陆桂贤，许承明，许凤娇.金融深化与地区资本配置效率的再检验：1999-2013[ J].国际金融研究，2016（3）：28 ～ 39.

[13] 姚耀军，董钢锋.中小企业融资约束缓解：金融发展水平重要抑或金融结构重要？——来自中小企业板上市公司的经验证据[ J].金融研究，2015（4）：148 ～ 161.

[14] Kaplan S.， Zingales L.. Do financing constraints explain why investment is correlated with cash flow[ J].Quarterly Journal of Economics，1997（112）：169 ～ 216.

[15] Leland H. E.， Pyle D. H.. Information asymmetries，financial structure，and financial intermediation[ J].Journal of Finance，1977（32）：371 ～ 387.

[16] Diamond D. W.， Verrecchia R. E.. Disclosure， liquidity， and the cost of capital[ J].Journal of Finance，1991（4）：1325 ～ 1359.

[17] 林毅夫，李永军.中小金融机构发展与中小企业融资[ J].经济研究，2001（1）：10 ～ 18+53 ～ 93.

[18] Lerner J.. When bureaucrats meet entrepreneurs： The design of effective 'public venture capital' programmes[ J].The Economic Journal，2002（477）：73 ～ 84.

[19] 世界银行.2005年全球经济展望：贸易、地区主义和发展（中译本）[M].北京：中国财政经济出版社，2005：61.

[20] 许和连，王海成.简政放权改革会改善企业出口绩效吗？——基于出口退（免）税审批权下放的准自然试验[ J].经济研究，2018（3）：157 ～ 170.

[21] 刘啟仁，赵灿，黄建忠.税收优惠、供给侧改革与企业投资[ J].管理世界，2019（1）：78 ～ 96+114.

[22] 周茂，李雨浓，姚星，陆毅.人力资本扩张与中国城市制造业出口升级：来自高校扩招的证据[ J].管理世界，2019（5）：64 ～ 77+198 ～ 199.

[23] 孟庆玺，尹兴强，白俊.产业政策扶持激励了企业创新吗？——基于“五年规划”变更的自然实验[ J].南方经济，2016（12）：1 ～ 25.

[24] 余桂明，钟慧洁，范蕊.民营化、融资约束与企业创新——来自中国工业企业的证据[ J].金融研究，2019（4）：75 ～ 91.

[25] 林毅夫，孙希芳.信息、非正規金融与中小企业融资[ J].经济研究，2005（7）：35 ～ 44.

[26] 王小鲁，余静文，樊纲.中国分省份市场化指数报告（2016）[M].北京：社会科学文献出版社，2017：258 ～ 278.