数字金融发展能否助推传统工业企业技术创新

盛明泉,张 悦,汪 顺

(1.安徽财经大学 公司治理与资本效率研究院,安徽 蚌埠 233030;2.浙江工商大学 会计学院,浙江 杭州 310018;3.暨南大学 管理学院,广东 广州 510632)

一、引 言

长期以来,创新作为提升中国国际竞争力的关键动力和国家经济发展的核心任务一直备受各界关注。尤其是在当下全球经济形势不确定性加剧、中国经济由高速增长阶段逐渐转向高质量发展阶段的背景下,以创新驱动经济发展的内涵型增长模式已然成为中国迈向制造强国以及寻求经济新增长点的核心抓手[1]。“十四五”规划中明确指出要坚持创新在中国现代化建设全局中的核心地位,把科技自立自强作为国家发展的战略支撑。企业作为创新的主体,一直是国家创新驱动战略的重要组成部分。如何推动企业创新活动成为当前理论界和实务界讨论的热点。由于中国具有全球最完整、规模最大的工业体系,工业企业创新带来的价值和重要性远甚于其他行业[2],工业企业的创新成效在经济格局建设中起到至关重要的作用。

然而,企业创新活动需要大量的前期投入和调整成本,一般要经历长周期并伴随高风险,因此持续稳定的资金来源对于企业创新尤为重要。与一般的投资项目不同,创新研发具有较大的不确定性,易导致严重的信息不对称问题,也使创新活动受到外源融资约束。因此,如何真正摆脱企业的创新融资困境,完善金融支持体系,是提升企业创新能力所要解决的关键问题。从现有的研究来看,大量文献考察了数字金融发展与创新之间的关系,研究指出,数字金融的深度发展能够显著促进上市公司的技术创新水平[3-4];此外,也有学者基于中小企业的视角,考察了数字普惠金融对创新的激励效果,发现数字普惠金融的发展对中小企业技术创新具有显著的正向影响[5]。但上述研究大多聚焦于上市公司和中小企业,基于工业企业层面的研究尚不多见,然而随着工业企业创新在创新驱动发展战略背景下所发挥的作用日益显著,推动中国工业企业创新水平显得尤为重要,因而探究数字普惠金融的发展能否提升传统工业企业的技术创新同样具有重要意义。

中国金融体系发展还很不完善,传统金融服务覆盖范围有限,中国大部分企业都受到金融资源的限制[6]。近年来,人工智能、大数据、云计算等新兴技术实现了飞速发展,其应用范围也逐渐延伸至金融领域,从而形成一种新型普惠金融服务模式,为企业提供更多的融资渠道。新型数字普惠金融的发展实现了对传统金融服务的有力补充,不仅具有更广泛的覆盖面,还具有“低成本”和“低门槛”的优势,为企业解决融资困境提供更多的可行路径。那么,数字金融的蓬勃发展能否提升传统工业企业的创新水平呢?

为了回答上述问题,本文利用工业企业数据库和专利数据库的匹配数据,考察数字金融发展对工业企业创新活动的影响及其作用机理。研究发现:区域内数字普惠金融发展水平越高,工业企业创新水平越高;数字普惠金融能够降低企业融资约束程度进而提升企业的创新水平;数字普惠金融对于企业创新的促进作用在民营企业和发展相对落后地区的企业中更为显著;此外,在金融监管较强的地区,数字普惠金融对于企业创新的促进效应更为显著;数字普惠金融还有利于挤出专利“泡沫”,提升企业创新质量。

本文可能存在的边际贡献体现在以下几个方面:一是目前已有对数字普惠金融的相关文献多是在上市公司数据或省级层面数据基础上展开的[3],而本文将中国工业企业数据库和国家专利数据库进行匹配,探究中国地级市的数字金融发展作用于工业企业创新活动的微观路径,丰富了当下有关数字金融发展的研究文献;二是中国的金融体制改革和数字金融的发展一直以来受到政府部门的监管,在金融监管下,数字金融对工业企业创新的驱动作用是否产生影响值得关注。现有研究大多并未对金融监管这一影响因素展开研究,而更多地探讨企业内部控制、信息环境等内部监管机制的作用[7]。基于此,本文在异质性检验时,引入了金融监管元素,探讨了在不同外部金融监管强度下,数字普惠金融的发展对工业企业创新作用的异质性,为金融监管部门在制度设计等方面提供经验证据。三是由于“创新假象”和“专利泡沫”在企业中频繁出现,数字普惠金融对于企业创新的影响是否具有实质性也引发学者们的思考,现有关研究大多仅仅探究了数字普惠金融对企业创新数量的影响[4],而未深入探究其对创新质量的影响。本文进一步研究表明数字普惠金融发展能促进企业实质性创新水平提升,这也从金融支持的视角为中国创新驱动发展战略的落实提供方向性的参考。

二、理论分析与研究假设

(一)数字普惠金融

近年来,中国政府一直致力于推进“互联网+”行动计划,随着互联网与金融业的深度融合,数字普惠金融得到了迅速发展。数字普惠金融就是将互联网的技术,如信息处理、大数据分析、云计算等一系列相关技术应用于金融领域,实现信息的共享,有效降低金融交易成本和服务门槛,从而扩大金融服务的范围和覆盖面。国务院印发的《推进普惠金融发展规划(2016—2020年)》中强调普惠金融是基于机会平等要求及商业可持续原则,向社会各阶层和群体提供低成本且有效的金融服务。普惠金融的服务对象重点偏向于城镇收入低、发展相对落后的群体。在杭州G20峰会上,更是将数字普惠金融列入重要的议题之一。为了对数字普惠金融发展进行准确衡量,北京大学编制了《数字金融普惠金融指数》,该指数由三个维度的分指标构成,即覆盖广度、使用深度和数字化程度。具体而言,覆盖广度体现了金融服务设施的分布广泛性,是利用电子账户数的覆盖率来衡量的。数字普惠金融发展打破了传统金融服务在实践和空间上的限制,客户可以电子账户的形式享受金融服务。其次,与传统金融服务相比,数字普惠金融发展拥有更高水平的业务服务能力。数字普惠金融的使用深度则利用企业等实际使用互联网金融服务业务的情况来衡量,主要包括信贷、保险、投资等业务。最后,数字普惠金融的数字化程度主要利用移动化、实惠化、信用化和便利化等指标衡量。数字普惠金融发展所提供的数字化程度越高,企业便能够以更低的成本享受金融服务。

(二)数字普惠金融与企业创新

企业创新活动具有周期长、风险高且不可逆的特征,不仅需要大量的前期投入,还存在较高的调整成本。此外,在创新过程中需不断投入新设备和技术人才,因此企业创新活动对于资金的需求非常大[8]。同时,创新项目通常难以快速得到资金回报,且不确定性较强,导致银行更不愿意将大量的资金贷给创新活动多的企业而承担更高的风险[7],因此企业在进行创新活动时容易面临较强的融资约束。尤其是成长于长期以银行系统为主导的金融体系下的中国企业,其创新融资压力更大。此外,创新水平是企业核心竞争力的体现,企业的研发创新项目通常被作为重要的商业机密,企业在发布相关信息时会尽量避免披露与研发创新相关的具体内容,导致企业与投资者之间的信息不对称程度更严重,也进一步加剧了企业的外部融资约束。而数字普惠金融作为一种新兴的金融服务,融合了人工智能、大数据和云计算等新兴技术,不仅使金融服务覆盖范围更为广泛,还增强金融服务的可获得性,为缓解企业融资约束和促进企业创新提供了一条切实可行的解决路径。具体而言,数字普惠金融主要是通过缓解企业融资约束来对企业创新产生促进作用的。

一方面,数字普惠金融的发展能够降低金融服务成本和门槛,拓宽企业的融资渠道。近年来,传统金融服务的供给在数量和质量上都无法满足社会的需求,这是数字普惠金融迅速发展的原因之一[3]。普惠金融利用数字技术对传统金融产品和商业模式等进行创新,拓展了金融服务的覆盖广度和使用深度,实现对传统金融数量和质量上的补充。金融规模的扩张能够提高信贷总量,总体而言能够给企业提供更多的资金,避免信贷出现严重扭曲的现象,有利于企业合理有效地利用金融资源,从而缓解企业的融资约束[9]。与此同时,金融市场中还存在大量的“尾部”群体,即数量庞大但创新活跃的小规模企业,这些企业往往被传统金融服务拒之门外,难以获得有效的金融服务。数字普惠金融扩展了金融服务范围和触达能力,为这些企业缓解创新融资约束提供更多的可能。

另一方面,数字普惠金融的发展能够有效缓解企业信息不对称程度,从而降低外部融资约束。基于MM理论的假设下,金融市场是完善且没有交易成本的,企业的融资决策和投资决策之间相互分离[10]。但是,MM理论的假设过于理想化,现实中企业与投资方往往存在较为严重的信息不对称现象,易导致大量的交易成本,从而限制了企业进行外部融资。数字普惠金融所建立的风险控制体系和信息处理及监测系统能够高效率地收集客户的征信数据,让投资者更全面地了解企业真实的经营情况和实际信用等级,很大程度上缓解了双方之间的信息不对称程度。此外,Love利用40多个国家和地区的数据,研究发现,企业的信息不对称程度越低越有利于减轻融资约束[11]。企业与投资者之间有较高的信息透明度,投资者便能够快速准确地掌握与企业投融资决策相关的信息,向优质企业进行投资。企业的融资问题一旦得到有效解决,将有利于激发其进行创新的积极性。

此外,数字普惠金融提升传统金融审批速度,降低企业融资成本,缓解企业融资约束。传统金融服务为了降低信贷风险,在对企业进行贷款时往往需要严格审查企业的资信状况,从而导致高额的审查费用和风险评估成本。通常情况下,这些审查成本会以上浮信贷利率的形式转嫁给企业,从而增加企业融资负担[5]。然而,数字普惠金融基于云计算、大数据以及移动互联网等数字技术,迅速在互联网上客户征信信息,简化信贷审查程序,大大缩短信贷审核周期,从而为企业节约大量的线下审查成本。同时,数字普惠金融全面升级传统金融的服务方式,更合理有效地配置资源,以更少的人力和物力完成审贷过程,使得信贷审批更加高效快捷。Fuster等利用美国住房信贷数据进行研究,结果发现人工智能、大数据等数字技术手段使贷款审批速度提升近20%,且并没有因审批流程的快速推进而提升信贷的违约风险[12]。这种基于数字技术的审贷方法,有效降低了企业信息成本和创新融资成本,激发企业创新动力,进而促进企业创新活动的顺利进行。

综上所述,提出如下研究假设:数字普惠金融的发展有利于促进企业创新。

三、研究设计

(一)样本选择与数据来源

本文以中国工业企业为研究对象,基于2011年即数字金融指数的起始年限开始配对,构建了2011—2013年样本数据集。在对数据分析前,我们参考以往文献[3],对数据进行下述处理:一是仅保留开工时间为1949年以后(包括1949年)的企业;二是剔除研发投入小于零,从业人数小于0人,主营业务收入小于等于零,总资产小于等于零的企业;三是删除关于企业特征变量首尾各1%的观测值;四是仅保留具有两年及两年以上观测值的企业数据;五是删除中间年度数据缺失的企业数据,以保证企业数据的连续性。经过上述处理,本文最终的样本共包含907 609个观测值。企业的财务数据来源于中国工业企业数据库,专利数据则来源于中国国家知识产权局发布的专利数据库,数字金融指数使用北京大学编制的《数字金融普惠金融指数》。其他城市层面的控制变量数据来源于各省市的统计年鉴。

(二)模型设定

基于前文理论假设,本文试图探究数字普惠金融对企业创新的影响,因此首先构建如下基准模型进行假设检验:

Patent=α0+α1Index+α2X+ε

(1)

模型(1)中被解释变量Patent是工业企业创新水平变量,由工业企业三种专利申请总数衡量;解释变量Index是数字普惠金融指数,值得注意的是,由于与工业企业专利申请数相比,数字普惠金融指数偏大,且不在同一量纲上,因此本文进一步将普惠金融指数占100的百分比值作为最终样本数据;X代表一系列控制变量。另外,本文还对省份、年度以及行业进行控制以尽可能排除企业所处地区和行业等其他因素对本文结果造成的干扰。具体变量定义见表1。

表1 变量定义

(三)描述性统计

表2报告了描述性统计特征。统计结果可见,企业创新(Patent)的中位数为0,即企业三种专利申请总数为0,说明在样本期间至少存在一半的样本企业没有专利产出。另外,Patent的标准差为29.4,表明不同企业间创新水平存在较大的差异性。数字普惠金融指数(Index)的均值和中位数分别为1.053和1.071,最大值1.893和最小值0.113间差距相对较大,反映出不同地区数字普惠金融发展水平差距较大。此外,其他控制变量的取值与已有相关研究的统计结果差别不大,从侧面验证了本文统计结果的可靠性。

表2 描述性统计

四、实证分析结果

(一)基准回归结果

表3中列(1)报告了在纳入企业层面控制变量、城市层面控制变量以及控制行业、年度和省份后数字普惠金融对工业企业创新活动的影响结果。结果表明,数字普惠金融指数(Index)与工业企业创新水平(Patent),即专利申请数间存在正相关关系,并在1%水平上显著,这说明数字普惠金融的发展有助于激励中国工业企业开展创新活动,即企业所在地区数字普惠金融越发达,该企业创新申请数量也越多。

表3 基准回归结果

为了更深入地探究数字普惠金融哪些层面的发展促进了企业创新活动,本文进一步将数字普惠金融指标分解至两个相对称的维度,即覆盖广度(Breadth)和使用深度(Depth)。基于前文所述,数字普惠金融的覆盖广度分指标主要是根据地区支付宝账户数量编制而成,体现数字普惠金融所覆盖人群;而数字普惠金融的使用深度则是用地区实际使用互联网金融服务的频率等来衡量的。借鉴唐松等的研究思路,本文进一步探究了数字普惠金融覆盖广度和使用深度对企业创新的影响[3]。列(2)和列(3)实证结果展示了两个维度的回归结果,即数字普惠金融发展的覆盖广度和使用深度与工业企业创新间的关系。结果显示,数字普惠金融的覆盖广度和使用深度均对企业创新产生显著的促进作用,且均在1%水平上显著。由此可以说明,数字普惠金融对于实体经济创新的促进效应,不仅只是依靠面积上的大范围覆盖,还需要进行深层次的挖掘,为企业创新提供持续的动力,体现了数字普惠金融发展的全面性。上述分析初步验证了本文核心回归结果的稳健性。

(二)作用机制分析

前文的研究得出数字普惠金融发展水平越高,工业企业创新水平也越高。但前文仅基于数字普惠金融与工业企业创新间的整体影响效果进行研究,其中具体机制的黑箱尚未打开,鉴于此,本文将进一步探究数字普惠金融是如何影响工业企业创新活动的,即数字普惠金融对企业创新活动具体的作用机制究竟是什么。根据前文理论阐述,本文认为“融资约束”是数字普惠金融发展对企业创新产生驱动作用的主要渠道,并采用依次检验法(Causual Steps)进行中介效应分析,再次对模型(1)进行回归,并同时构建如下计量模型:

DFC=β0+β1Index+β2X+θ

(2)

Patent=γ0+γ1Index+γ2DFC+γ3X+δ

(3)

其中,参考万佳彧等的做法,采用企业利息支出与企业总负债的占比来衡量企业融资约束强度(DFC)[4]。机制检验的结果如表4所示,其中第(1)列展示了主回归结果,第(2)列检验的结果表明,数字普惠金融指数的估计系数为负,且在1%水平上显著,说明数字普惠金融的发展能够显著降低企业融资约束。具体而言,数字普惠金融拓宽了企业融资渠道,降低了在融资过程中的信息不对称,并且减小了债务融资成本,从而缓解了企业融资约束。表4列(1)至列(3)中,α1、β1、γ1、γ2的估计系数均在1%的统计水平上显著,且γ1小于α1表明存在部分中介效应。上述分析表明,融资约束是数字普惠金融促进企业创新的作用渠道,即数字普惠金融的发展能够降低企业融资约束,进而驱动企业创新。

表4 作用机制检验

(三)稳健性检验(1)限于篇幅,本文稳健性检验的结果未列示。

1.更换被解释变量的衡量方法

为了验证上述基准结果的稳健性,本文更换工业企业创新水平的衡量方法,使用“三种专利授权数”来代替“三种专利申请数”,值得说明的是,由于专利授权存在一定的时滞性,即某企业当年申请一项专利,可能次年才能够获取授权,因此本文将解释变量进行滞后一期处理。此外,由于本文其他变量多为小数形式,而专利申请数为整数,结果可能存在偏误。本文还将Patent自然对数化处理(Inno);最后,由于工业企业创新水平受到地级市数字金融发展的影响,为避免异质性企业对模型结果的影响,将标准误聚类(Cluster)到企业层面。在经过上述变量替换与回归控制后,主要结果依旧保持稳健,一定程度上可以缓解本文对被解释变量衡量偏误的困扰。

2.回归模型更替

由于本文所研究的被解释变量工业企业创新水平是采用专利申请数来衡量的,由描述性统计分析可知,该数据的因变量虽然在正值上存在连续分布现象,但均为非负数。针对这类零值堆积的数据研究,通常适用于Tobit模型进行检验。此外,由于企业的专利申请数都取非负整数,不符合正态分布条件,即使将其取自然对数,仅用OLS估计也有可能存在偏误,因此,本文还利用泊松分布模型对上述结果进行检验。基于上述两种模型对结果重新进行检验后,结果仍旧未发生明显变化。

3.剔除国有企业样本回归

考虑到普惠金融主要是针对中小企业的融资而推行的金融支持模式,可能不适用于国有企业,因此本文剔除了国有企业样本,并在此基础上重新进行了主回归和机制检验。在剔除了国有企业样本后,数字普惠金融的发展依旧显著正向影响工业企业创新水平;此外,在剔除国有企业样本后,融资约束依然是数字普惠金融对企业创新产生影响的作用渠道。上述结论均验证了本文结论的稳健性。

4.内生性检验

前文基准回归已初步验证了数字普惠金融对工业企业创新水平的促进作用,但在模型因果识别过程中可能存在内生性对实证结果带来干扰,其中导致内生性的重要来源是在模型中可能存在遗漏变量。尽管本文基准回归模型中已经控制了企业、地级市层面的相关特征变量,但是理论上仍然无法避免其他不可观测变量带来的遗漏变量偏误。因此,本文进一步构建工具变量对回归模型重新估计。借鉴傅秋子等的做法,以工业企业所在地级市到杭州市的距离(IV)作为数字普惠金融的工具变量[13]。首先,企业所处地级市到杭州市的距离既不会通过地区数字普惠金融发展水平间接影响企业创新水平,也不会与地区数字普惠金融发展水平有直接影响。其次,作为世界级数字金融中心,杭州市数字金融发展最具代表性,其数字普惠金融发展水平亦处于世界领先地位,预期各地级市距离杭州市越近,数字普惠金融的发展水平越高。因此,企业所处地级市到杭州市的距离可以作为数字普惠金融的有效工具变量。

首先,在第一阶段的回归中,将企业所处地级市到杭州市的地理距离作为解释变量,被解释变量为企业所处地级市的数字普惠金融发展水平,并控制了地级市层面的特征变量。回归结果显著为负,表明工具变量选取的合理性和有效性。此外,本文将第一阶段回归的因变量拟合值提取出来,并将其用于第二阶段回归。结果表明,无论是否变换被解释变量衡量口径,企业所处地级市数字普惠金融发展对工业企业创新都具有显著正向促进作用。上述结论表明即使控制了可能存在的内生性问题之后,本文的结论依然稳健。

五、进一步研究

(一)数字普惠金融具有普惠性吗?

根据前文理论部分可知,数字普惠金融发展与传统金融发展存在较大的区别。数字普惠金融发展更多地强调金融服务的普惠性[14],简而言之,普惠金融是为了让社会各阶层都能立足于机会平等要求和商业可持续原则,并以可负担的成本享受到金融服务。那么,数字普惠金融发展是否真的具有普惠性呢?换言之,站在本文主题角度上,数字普惠金融是否更有利于民营企业和发展相对落后地区企业创新水平的提升呢?基于此,本文将样本进一步划分,试图验证数字普惠金融发展带来的普惠性价值。

1.产权性质异质性

由于中国国有企业具有特殊性质,国有企业在进行贷款时往往会得到政府的隐形担保,故对于国有企业而言,其更易得到银行信任从而获取足够的信贷。与国有企业相比,民营企业往往承担更高的财务风险,因而易受到金融服务机构的信贷歧视[15]。有鉴于此,基于中国特殊的金融环境,民营企业往往比国有企业面临更严重的融资约束问题。基于此,本文按照控股情况,将样本划分为国有企业和民营企业,并分别进行回归,试图探究数字普惠金融发展对企业创新的促进效应是否会更偏向于融资约束较高的民营企业。结果表明,在民营企业组中,数字普惠金融发展所表现出对企业创新的激励作用更加显著,而数字普惠金融对国有企业创新虽有正向的影响但并不显著。民营企业在金融市场中处于弱势地位,且经常遭受金融排斥,数字普惠金融的发展能够缓解民营企业所遭受的融资困境,继而推动民营企业创新水平的提升,体现出数字金融发展的普惠性价值(2)限于篇幅,相关回归结果未列示。。

2.地区发展水平异质性

基于前文论述,数字普惠金融更倾向于服务处于落后地区的群体,那么数字普惠金融发展对于企业创新正向促进效应是否在落后地区更为显著呢?已有研究表明传统的金融服务机构往往不愿向偏远地区的群体提供金融服务[16],在经济发展水平较低的地区也仅有少量的金融分支机构,这些地区企业往往无法享受基本的金融服务。数字金融指数是由三个维度的指标构成的,其中一个指标表示就是金融覆盖广度,即与传统金融服务相比,数字普惠金融服务覆盖范围更广泛。传统金融体系未能够覆盖的地区能够享受到普惠金融带来的服务,从而能够促进这些地区企业的创新水平。因此,本文进一步考虑地区发展水平异质性的影响。

首先,本文使用各省份贷款规模总量占其GDP规模的比重来测量传统金融发展水平,按传统金融发展水平的1/4、2/4、3/4、4/4,将全样本划分为四个等级,其中1/4分位数以下地区的视为传统金融发展水平较低组,3/4分位数的地区以上视为传统金融发展水平较高组,考察数字普惠金融对不同传统金融发展水平的地区企业创新的影响差异。其次,地区发展不平衡实际上也反映在空间维度的收入分配问题上,因此本文还按照城乡收入差距将全样本划分为两组,并分别进行回归检验。此外,自1992年以来,受改革开放政策的影响,东部沿海地区发展较快,且始于2000年的“西部大开发”战略和始于2004年的“中部崛起”计划都使大量的资金被转移到中西部地区以支持经济发展,相对而言,如云南、贵州、广西、江西、湖南等西南省份却因自然地理因素而落后于其他中东部省份。数字普惠金融的发展旨在解决欠发达地区等特殊群体的创新融资难题,进而提升企业创新水平。基于数字普惠金融的“包容性”理念和“草根”特性,本文借鉴巩鑫等的做法,将全样本划分为东部、中部和西部三个地区(3)东部沿海地区包括北京、天津、河北、辽宁、上海、江苏、浙江、福建、山东、广东和海南,中部地区包括山西、吉林、黑龙江、安徽、江西、河南、湖北和湖南,西部地区包括内蒙古、广西、重庆、四川、贵州、云南、陕西、甘肃、青海、宁夏和新疆。,考察数字普惠金融发展对工业企业创新的影响在不同地区是否存在差异[17]。

上述检验结果见表5,具体而言,列(1)和列(2)结果表明,在传统金融发展水平较低的地区,数字普惠金融对企业创新的激励效应更为显著,系数为0.904,并且通过了1%的统计显著性检验;而在传统金融发展水平较高的地区,数字普惠金融与企业创新的相关系数虽为正,但并不显著。上述结果意味着,当地区传统金融发展水平较低时,金融发展被抑制的程度可能更为严重,而数字普惠金融对传统金融的补充效果也就更明显,能有效缓解企业创新融资约束,对促进企业创新扮演“雪中送炭”的角色。另外,由列(3)和列(4)的结果可以得出,相对于收入分配较为公平的地区(城乡收入差距小),数字普惠金融发展对处于城乡收入差距较大地区的企业创新促进效应更为显著。表5列(5)～(7)分别汇报的是东部、中部和西部地区数字普惠金融发展对工业企业创新的影响,结果发现,数字普惠金融发展对中国东部、中部和西部地区企业创新都存在显著促进效应。但进一步观察系数并进行组间差异检验表明,相比于东部地区,数字普惠金融对中西部落后地区企业创新的影响更为显著,尤其是对西部地区企业创新的影响相关系数达到2.235。

表5 地区发展水平异质性回归结果

基于上述分析,数字普惠金融的发展对于企业创新的促进效应在传统金融发展水平低、城乡收入差距大以及欠发达地区更为显著,突出体现其“草根”特性和“普惠性”的理念。

(二)金融监管发挥作用了吗?

数字普惠金融的良性发展既需要进一步深化金融体制改革,增强金融服务实体经济的能力,也要注重预防系统性风险,守住金融风险底线,而后者就强调了金融监管的重要性。数字普惠金融是在当代大数据、云计算的背景下,金融与科技的一种结合和创新,但是究其本质而言仍然是金融。因此,数字普惠金融在弥补传统金融不足的同时,也面临着全新的挑战,对传统的金融监管模式提出了新的要求。地区金融监管力度的强弱必然会对数字普惠金融的发展产生影响。首先,加强金融监管有利于预防金融风险,保障数字普惠金融高质量的发展;其次,由于金融科技的复杂性和易变性,当金融监管强度较弱时,数字金融的发展就会受到抑制,从而影响到数字普惠金融对企业创新的驱动作用。因此,本文进一步从外部金融监管的角度,考察在不同监管强度下,数字普惠金融对工业企业创新的影响是否存在差异。

参考唐松等的研究思路,本文使用地区金融监管支出与地方财政一般预算支出的比值来衡量区域金融监管强度指标[3]。首先,将各省按照金融监管强度进行排名;然后,按照金融监管强度排名前十的省份和排名后十的省份将样本进行分组,并重新进行模型(1)的回归检验。结果见表6,在金融监管较强的地区企业组中,数字普惠金融对工业企业创新的促进作用更显著,且通过了1%统计水平检验;而在金融监管较弱的地区企业组中,数字普惠金融与企业创新虽然存在正向关系,但不显著。结果表明,加强金融监管能够显著促进数字普惠金融对企业创新的驱动作用。

表6 数字普惠金融、金融监管与工业企业创新

(三)数字普惠金融提升创新质量了吗?

前文研究结果已经得出数字普惠金融的发展有利于工业企业创新,但是黎文靖等的研究指出中国目前创新水平的提升仅仅体现在非发明专利显著增加,更多地是追求创新“数量”而忽略了创新“质量”[18]。那么,本文探讨的数字普惠金融发展对企业创新的影响是否也仅强调了创新的“量”,而并没有促进创新“质”的提升呢?

参考黎文靖等的研究思路,本文从创新质量这一角度进一步探讨数字普惠金融发展带来的激励效应对工业企业创新质量的影响[18]。借鉴喻平等的做法,将企业专利细分为三类[7],其中由于企业发明专利申请数直接代表着企业的核心技术创新能力,且发明专利的技术含量较高、研发时间较长,能够体现企业实质性创新能力,因此本文以此代表企业创新质量;并采用其他两类专利,即实用新型专利和外观设计专利来衡量企业创新数量。

具体的回归结果见表7。列(1)展示了数字普惠金融发展对企业实质性创新的影响,可以看出,数字普惠金融的相关系数为正,且处于1%水平上显著,这表明数字普惠金融发展不仅有利于企业创新数量的提升,还能够保证企业创新质量。列(2)和列(3)则进一步展示了数字普惠金融对企业创新数量的促进作用,验证了上文结论的稳健性。上述对于创新质量的分析表明,数字普惠金融的发展对企业创新的促进效应,不会导致专利“泡沫”,反而能够缓解“创新假象”带来的困境,从而有利于中国创新驱动战略的真正落实。

表7 数字普惠金融与创新质量

六、结论与启示

本文以中国工业企业为研究样本,利用工业企业数据库和中国专利数据库的数据,考察了数字普惠金融发展对于工业企业创新活动的影响及其作用机制。研究发现地区数字普惠金融发展水平越高,企业创新水平越高,即专利数量产出越多,且在一系列稳健性检验后结论依旧不变。机制检验发现,数字普惠金融发展能够通过降低企业融资约束程度来提升企业创新水平。进一步研究发现,数字普惠金融发展充分发挥了其“普惠性”的价值,换言之,数字普惠金融发展对于工业企业创新的激励效应在民营企业和发展相对落后地区企业组中更明显;同时,数字普惠金融对工业企业创新的驱动作用离不开有效的金融监管,即在金融监管较强的地区企业中,数字普惠金融对于企业创新的促进效应更为显著。此外,本文研究还发现数字普惠金融的发展不仅能够提升企业创新数量,还有利于挤出专利“泡沫”,促进企业实质性创新。

本文运用实证的方法证实了数字普惠金融发展能够缓解工业企业融资约束,有利于激励中国工业企业创新。另外,基于宏观金融体系视角探讨微观工业企业创新问题,为中国金融市场发展促进工业企业创新提供可行思路。具体而言,本文研究结论有以下几点政策启示:第一,鼓励工业企业创新研发。工业企业创新发展为中国经济带来强大的动力,地方政府应当重视工业企业创新,并利用数字普惠金融发展的普惠性价值,为传统金融发展水平低的落后地区和民营企业的创新发展营造公平的融资制度环境。第二,应加大金融创新和金融改革力度,进一步完善金融监管体系。随着数字普惠金融的发展,传统的金融监管模式已无法满足金融发展对于防范金融风险的监管要求。因此,监管部门应当及时实施有效的监管政策,守住金融风险底线,并制定预防机制,从而避免突发性的强干预而破坏市场的稳定性。第三,政府在制定鼓励创新的制度和政策时要注重对企业创新质量的激励作用。长期以来,中国创新鼓励政策以选择性产业政策为主,但由于企业可能会针对该类政策,有策略性地进行政策迎合,最终导致了大量“伪创新”与“低质量”专利的产生,不利于创新驱动战略的真正落实,因此在对创新政策评价时,要重视对实质性创新的影响。