高管金融关联、融资约束与企业技术创新效率——基于数字普惠金融的调节作用

叶红雨，魏顺

（上海理工大学管理学院，上海 200082）

一、引言与文献述评

创新是中国经济由高速增长向高质量发展转型的关键。近年来，政府补贴[1]、金融发展[2]等因素促进了企业研发投入，但中国企业长期粗放型的发展模式导致资源转化率低下，使得创新投入无法带来相应的创新产出[3]，提高企业技术创新效率成为亟待解决的问题。技术创新项目因信息不对称性问题常面临严重的融资约束[4]，融资约束逐渐成为制约企业技术创新效率的关键因素[5-6]。近年来，大数据、云计算、人工智能等新兴技术迅猛发展，数字普惠金融在该背景的推动下应运而生，作为一种新型普惠金融模式[7]，具备高效、广泛的覆盖面等特征，为解决中小企业面临的融资约束问题带来了新契机[8]，也为提高技术创新效率提供了新思路。同时，高管作为企业战略的制定者，企业融资规模、融资成本和债务期限等受到高管金融关联的影响[9][10]，进而对企业技术创新效率产生影响。现有研究较少综合考察数字普惠金融、高管金融关联会对融资约束和企业技术创新效率产生什么影响，存在什么作用机理。当前背景下研究此问题具有重要现实意义和理论价值。

现有探讨企业技术创新效率影响因素的研究视角较为丰富，包括政府投入[11]、市场化程度[12]、管理层持股[13]、客户集中度[14]、投资强度[15]等，但探讨高管金融关联对企业技术创新效率的研究较少，且存在不同观点，陈乾等（2020）[16]实证得出具有高管金融背景的CEO 能够帮助企业提高创新水平和投资效率；然而武金莉等（2020）[17]研究发现具有高管金融关联的董事长倾向于内部融资，会将更多的企业资金用于金融投资，企业技术创新投资受到的挤出效应会降低企业技术创新效率。也有学者对高管金融关联、融资约束与企业技术创新的关系进行了研究，邓建平等（2011）[9]、程小可等（2013）[18]、 蒋 水 全 等 （2017）[19]、 高 增 亮 等（2019）[20]基于社会网络理论等，实证得出高管金融关联能够缓解企业面临的融资约束问题；陈宏波等（2018）[21]、刘素荣等（2019）[22]研究得出在融资约束的中介作用下，高管金融关联能够促进企业研发投入，但都未针对技术创新效率做进一步研究。同时，对于中小企业而言，数字普惠金融为缓解其技术创新过程中面临的融资约束问题带来了新机 遇[8]， 万 佳 彧 等 （2020）[23]、 聂 秀 华 等（2021）[8]、黄锐等（2021）[24]认为数字普惠金融的发展能够缓解融资约束，进而对企业创新产生影响。现有关于数字普惠金融的研究主要集中研究其影响效果，但是数字普惠金融存在区域发展不均衡，其发展程度的高低是否使得高管金融关联对融资约束的影响存在差异？目前关于高管金融关联与融资约束的研究尽管不少，但都忽视了数字普惠金融在其中发挥的调节作用。另外，现有文献的研究对象主要为中小微企业以及少数高新技术企业，忽略了创业板企业，而其同样面临融资难、融资贵的问题[23]，其成长快、创新能力强，更容易接受数字普惠金融的便利。

综上，本文可能的边际贡献有：（1）基于高层梯队理论和信息不对称性理论，揭示高管金融关联、融资约束对产出导向的企业技术创新效率影响机制，并探析融资约束在其中发挥的中介作用，拓展现有文献研究内容及视角，为企业优化治理机制，提高企业技术创新效率提供参考；（2）本文从数字普惠金融视角，基于高管金融关联对融资约束的影响效应，探讨数字普惠金融在两者之间的调节作用，丰富数字普惠金融现有研究视角；（3）以中国创业板上市企业作为研究样本，利用其2015-2020 年相关数据，同时匹配北京大学数字普惠金融指数各省份特征数据，从数字普惠金融的总指数及其覆盖广度、使用深度、数字化程度分指标分析其在高管金融关联与融资约束之间的调节作用，为数字普惠金融发展提出针对性建议和理论参考。

二、理论分析与研究假设

（一）高管金融关联与融资约束、企业技术创新效率

高层梯队理论指出，作为企业的决策主体，高管团队的价值观和认知水平很大程度上对企业的战略和绩效产生影响[23]。高管金融关联主要通过以下三种途径来影响创新活动：（1）缓解融资约束，高管金融关联能减少企业代理成本、降低资本市场不对称性，争取到更多的支持资金，缓解融资约束问题，进而影响企业创新行为。Booth J R 和Deli D N（1999）[25]、Ciamarra E（2006）[26]、Herrera and Minetti（2007）[27]、David et al.（2008）[28]认为聘任具有金融关联的高管，可以获得更多的信贷额度和更长的信贷期限，进而缓解融资约束，提高企业研发投入水平；武力超等（2015）[29]、周雪峰等（2018）[30]认为高管金融关联带来的关系贷款能促进企业的创新决策，对创新投资具有显著正向影响；曲进（2015）[31]研究得出银企关联能够通过缓解融资约束来提高企业投资效率；（2）为企业提供融资及创新决策科学指导与规划，具有金融关联的高管对国家经济、金融政策等更为熟悉，具有较强的风险控制管理意识和经验，有利于企业投资决策[32]，同时为企业带来先进投资理念，制定合理的投资计划[22]，进而提高企业技术创新效率；（3）加强与外部投资机构的相互信任。高管金融关联作为一种关系加强企业与金融机构的互动，促进互相信任，提升企业整体价值。基于以上分析，提出如下假设：

H1：高管金融关联对创业板上市企业技术创新效率有显著的正向促进作用。

H2：高管金融关联对缓解创业板上市企业面临的融资约束具有显著的正向促进作用。

（二）融资约束与企业技术创新效率

融资约束与企业技术创新效率之间的关系存在两种观点，刘桂春等（2017）[33]从内部控制视角出发，发现内部控制良好的企业，融资约束对创新绩效具有明显促进作用；范海峰（2020）[34]实证检验得出融资约束上升虽导致企业研发投入下降，但能够提高企业技术创新效率；然而胡海青等（2016）[5]认为融资约束程度的加深能够降低企业的投资效率；杨源源等 （2018）[6]基于DEAMalmquist 非参数方法，实证检验得出融资约束的存在显著影响企业研发，使得企业难以提升研发效率。本文认为，从投入层面，融资约束的存在影响企业创新的资金来源，企业的研发人员投入、资金投入等会受到抑制；从产出层面，企业出于长期发展考虑，融资资金不足时，其研发投入的不足致使企业发明专利授权数量、无形资产等相应减少，投入限制与产出减少使得企业技术创新效率停滞不前，基于以上分析，提出如下假设：

H3：融资约束的缓解对创业板上市企业技术创新效率有显著正向促进作用。

（三）融资约束的中介作用

高管金融关联、融资约束和企业技术创新效率三者之间的研究匮乏，现有文献主要研究对投入层面研发支出的影响。陈宏波等（2018）[21]研究得出高管社会资本、高管金融关联可以通过缓解融资约束进而促进企业研发支出；刘素荣（2019）[22]提出金融关联对促进研发投资具有显著的间接效应，其可以借助融资约束的中介效应，改善外部融资环境。研发创新可助企业获取核心竞争力，掌握发展先机，但由于研发创新资金受限，内源融资成本高且难度较大，越来越多的企业依赖外部债务融资。从融资行为来看，创业板上市企业面临着较为严重的融资难、融资贵问题，高管金融关联有助于解决此类问题，进而确保企业研发创新投入方面的资金不中断，有效缓解融资约束问题；从投资行为来看，企业融资约束的缓解能够避免研发投入资金链断裂，有助于企业获取稳定的资金来源，减少研发活动中断或波动带来的风险和损失，提高创业板上市企业技术创新效率。同时基于本章前两节对于高管金融关联与融资约束、融资约束与企业技术创新效率的分析，本文认为融资约束在高管金融关联与企业技术创新效率之间可能存在中介效应，因此提出如下假设：

H4：高管金融关联可以通过缓解融资约束来提高企业技术创新效率，即融资约束在高管金融关联与企业技术创新效率之间起中介作用。

（四）数字普惠金融的调节作用

数字普惠金融首先对创业板企业的资金来源、资金数量产生正向影响；其次可以增强金融作为中介的信息搜集能力；最后可以凭借信息技术实现对不同行业、企业、个人行为数据的抓取，建立可靠的第三方征信体系[23]。本文认为当数字普惠金融发展程度较高时，具有金融关联的高管可以更好地发挥自身专业优势，更高效率地得到数字普惠金融发展的红利；可以更好地利用自身社会资本，更为显著地缓解融资约束，这表明数字普惠金融可能在高管金融关联和融资约束之间发挥了调节作用。因此，基于数字普惠金融总指数及其分指标，提出如下假设：

H5a：数字普惠金融总指数能够正向调节高管金融关联对融资约束的作用。

H5b：数字普惠金融覆盖广度能够正向调节高管金融关联对融资约束的作用。

H5c：数字普惠金融使用深度能够正向调节高管金融关联对融资约束的作用。

H5d：数字普惠金融数字化程度能正向调节高管金融关联对融资约束的作用。

三、研究设计

（一） 样本选取与数据来源

为论证假设，本文选取中国创业板上市公司作为调研对象，选用以下数据：（1）2015-2020年中国创业板上市公司相关研发数据、专利产出数量以及其他企业层面控制变量数据，数据来源于CSMAR 和CNRDS 数据库；（2）高管金融关联、融资约束、技术创新效率数据均为计算所得；（3）《北京大学数字普惠金融指数（2011-2020）》[35]，由北京大学数字金融研究中心发布。本文对数据进行了如下处理：（1）剔除ST 样本；（2）剔除研究变量数据缺失的样本；（3）对样本主要连续变量1%以下和99%以上的数据进行了Winsorize 处理，最终构造了371家企业共1855个样本的面板数据。

（二）变量定义及其测量

1.被解释变量。企业技术创新效率（TE），借鉴王靖为（2019）[36]的做法，选取研发人员比例（RDL/L）、研发投入强度（RD/Rev）、固定资产原值（K）作为创业板上市企业技术创新活动的投入变量，选取发明专利授权数（Patent）、技术资产比例（IA/TA）作为创业板上市企业创新活动的产出变量，采用DEA 数据包络分析法度量企业技术创新效率，考虑到产出变量的延后性，对产出变量数据做延后一期处理。运用DEAP2.1软件，基于投入导向的角度进行测算，得出样本企业每一时期的技术创新效率TE，TE 值越高，表明创业板上市企业技术创新效率越高。本文构建的投入产出指标如表1所示。

表1 企业技术创新效率投入产出指标

2.解释变量。高管金融关联（FinBack）指上市企业董事会、监事会和高管层，曾在或现在金融相关机构任职，如金融监管部门、政策性和商业性银行、证券基金公司等。本文借鉴邓建平等（2011）[9]的研究，企业规模不同，高管数量存在差异，为避免此影响，以曾在或现在金融相关机构任职的高管数与全部高管数的比值作为高管金融关联的衡量指标。

3.中介变量。融资约束（SA），用来表达企业获取外部资本的束缚程度。目前，衡量融资约束的指标较多，得到广泛应用的有KZ 指数、WW 指数、SA指数等。内生性是KZ指数和WW指数具有的共同问题，因此本文选取Hadlock and Pierce（2009）[37]构建的SA指数衡量企业面临融资约束的程度，其中SA指数越大，企业面临的融资约束越小。

4.调节变量。本文选取《北京大学数字普惠金融指数（2011-2020）》中相关年份的指数数据作为调节变量数字普惠金融（DIFI）的代理变量。北京大学数字普惠金融指标在现有文献和国际组织提出的传统普惠金融指标基础上，结合数字金融服务新形势、新特征与数据的可得性和可靠性，从数字金融覆盖广度（DCB）、使用深度（DUD）和数字化程度（DSS）3 个维度来构建数字普惠金融指标体系[35]。

5.控制变量。本文选取的控制变量为企业规模（Size）、资产负债率（Lev）、盈利能力（ROA）、资产现金率（Cash）、企业成长性（Growth）、股权集中度（SC）、企业年限（Age）、产权性质（Property）、年份（Year）、行业（Industry），变量衡量见表2。

表2 变量定义

（三）实证模型

为了检验高管金融关联、融资约束、企业技术创新效率之间的相互关系，构建如下模型：

借鉴温忠麟等（2004）[38]关于中介效应的研究，检验融资约束在高管金融关联和企业技术创新效率之间的中介效用，设定如下模型：

根据温忠麟等（2005）[39]关于调节效应的研究，检验数字普惠金融在高管金融关联及融资约束之间的调节作用，设定如下模型：

其中TE 表示创业板上市企业技术创新效率，Finback 表示高管金融关联程度，SA表示融资约束大小，DIFI、DCB、DUD、DSS 分别代表数字普惠金融的总指数、覆盖广度、使用深度、数字化程度，ε 为随即干扰项，Controls 表示其他会对因变量产生影响的控制变量。

四、实证分析

（一）描述性统计

主要变量描述性统计见表3。其中TE的均值为0.202，说明创业板上市企业技术创新效率较低，仍有较大提升空间，样本企业技术创新效率最大值为1.000，最小值为0.003，说明企业间技术创新效率发展不均衡，存在两极分化现状，部分企业未进行企业创新投入。Finback的平均值为0.080，说明高管金融关联处于较低水平。SA均值为4.030，标准差为0.885，说明外部资金的融资约束已经成为创业板上市企业普遍面临的问题。DIFI 的均值为298.121，最大值为410.280，最小值为205.340，说说明不同省份之间普惠金融指数存在异质性，这一特征在DCB、DUD、DSS三个分指标中均体现。整体而言，样本具有良好的区分度。

表3 描述性统计

（二）相关性分析

如表4 所示，通过Pearson 相关性分析发现，SA 指数与高管金融关联显著正相关，相关系数为0.131；企业技术创新效率与SA 指数显著正相关，相关系数为0.320，这初步验证了假设H2、H3。变量相关系数绝对值均较低，几乎都低于0.5，说明各变量间多重共线性较弱，或不存在多重共线性，进一步检验具有可行性。

表4 主要变量的相关性分析

（三）多元回归分析

根据Hausman检验，为验证高管金融关联、数字普惠金融、融资约束和企业技术创新效率之间的关系，本文采用面板固定效应进行回归。

1.主效应检验。主效应的检验如模型（1）-（3）所示。模型（1）中，FinBack与TE在1%的水平上显著正相关，相关系数为0.153。故高管金融关联对企业技术创新效率有显著的正向影响，即较强的高管金融关联程度有助于提高创业板上市企业技术创新效率，假设1得到验证。同时，控制变量中Size、SC通过了显著性检验，且系数为正，说明企业规模和股权集中度都为企业技术创新效率的提高提供了支撑。企业年限（Age）通过了显著性检验，且系数为负数，说明随着企业年限增加，设备、技术等方面趋向成熟，对技术创新的需求减弱。

模型（2）中，FinBack与SA在5%的水平上显著正相关，相关系数为0.024。故高管金融关联对企业技术创新效率有显著的正向影响，较强的高管金融关联程度有助于提高创业板上市企业的SA 指数，即降低面临的融资约束，假设2得到验证.

模型（3）中，SA与TE 在5%的水平上显著正相关，相关系数为0.307。故企业技术创新效率与SA指数显著正相关，SA指数的提高有助于提高企业技术创新效率，即较低的融资约束程度有助于提高创业板上市企业技术创新效率，假设3得到验证。

2.中介效应检验。根据温忠麟等（2004）[38]关于中介效应的研究，模型（1）的回归结果显示，在1%的显著性水平上，高管金融关联有助于提高企业的技术创新效率，可进一步检验中介效应，模型（4）基于模型（1）的研究，加入融资约束变量，FinBack、SA分别与TE在1%和5%的水平上显著正相关，系数分别为0.147和0.289。同时结合模型（2）中FinBack 的系数在5%的水平上显著，得出融资约束在高管金融关联和企业技术创新效率中起到部分中介效应，高管金融关联能够通过缓解融资约束进而提高技术创新效率，假设4 得到验证，如表5所示。

表5 高管金融关联、融资约束与企业技术创新效率的回归结果

3.调节效应检验。根据温忠麟等（2005）[39]关于调节效应的研究，模型（5）在模型（2）的基础上加入数字普惠金融相关指标，其中包括数字普惠金融总指数（DIFI）、覆盖广度（DCB）、使用深度（DUD）、数字化程度（DSS），同时加入上述4个指标与高管金融关联的交互项Finback×DIFI、Finback×DCB、Finback×DUD、Finback×DSS，进行回归，结果如表6所示。

表6 高管金融关联、数字普惠金融与融资约束的回归结果

模型5.1 中，数字普惠金融总指数与高管金融关联的交互项为Finback×DIFI，其与SA 指数在1%的显著性水平下正相关，系数为0.162，且Finback的系数为正，故数字普惠金融总指数在高管金融关联对融资约束的缓解中起到了正向调节作用，假设5.1得到验证。

模型5.2、5.3、5.4分别研究数字普惠金融三个分指标在高管金融关联与创业板企业面临的融资约束中的调节作用。模型5.2 中，数字普惠金融覆盖广度与高管金融关联的交互项为为Finback×DCB，其与SA指数在1%的显著性水平下正相关，系数为0.146，且Finback的系数为正，故数字普惠金融覆盖广度在高管金融关联对融资约束的缓解中起到了正向调节作用，假设5.2得到验证。模型5.3中，数字普惠金融使用深度与高管金融关联的交互项为Finback×DUD，其与SA 指数在1%的显著性水平下正相关，系数为0.136，且Finback的系数为正，故数字普惠金融使用深度在高管金融关联对融资约束的缓解中起到了正向调节作用，假设5.3 得到验证。模型5.4 中，数字普惠金融数字化程度与高管金融关联的交互项为Finback×DSS，其与SA指数不相关，故数字普惠金融数字化程度未在高管金融关联对融资约束的缓解中起到调节作用，假设5.4 未得到证实。

（四）稳健型检验

为保证研究结论准确、可靠，本文通过替换主要变量和增加遗漏变量的方法进行稳健性检验。第一，前文采用创业板上市企业中具有金融关联的高管数量与同时期高管总数量的比值来衡量高管金融关联，本节采用虚拟变量（创业板企业高管具有金融关联，定义为1，否则为0）和具有金融关联的高管人数分别作为高管金融关联的替代变量，创业板企业样本总数保持不变，回归结果如表7 的（1）、（2）列所示。第二，研究中企业的成长性和可投资性常用托宾Q值（TobinQ）表示，托宾Q值（TobinQ）越高，表明企业拥有越多的投资机会，成长性也越好。因此，托宾Q值（TobinQ）在高管金融关联通过缓解融资约束进而提高企业技术创新效率中发挥着重要作用，本节将托宾Q 值（Tobi-nQ）这一遗漏变量加入，再次回归，回归结果见表7的（3）列。表7中的回归结果均显示，技术创新效率仍与高管金融关联显著正相关，与前文结论一致，研究结论稳健。

表7 稳健型检验

五、结论及建议

（一）研究结论

本文运用2015-2020 年中国创业板上市公司数据，首先实证检验高管金融关联、融资约束、企业技术创新效率三者之间的相互关系，并以融资约束的中介视角研究高管金融关联对企业技术创新效率的微观机制；其次创新性地加入数字普惠金融这一变量，通过构建调节作用模型，探究数字普惠金融在高管金融关联与融资约束中的调节效应；最后根据《北京大学数字普惠金融指数（2011-2020）》报告中的数据，分别对数字普惠金融总指数的三个分指标进行调节效应的检验。研究结果表明：（1）高管金融关联显著促进了企业技术创新效率的提高，稳健型检验后，这一结论仍成立；（2）高管金融关联能够显著缓解创业板企业面临的融资约束问题；（3）融资约束的缓解能够显著提高企业技术创新效率；（4）高管金融关联程度能够通过融资约束的中介作用来提高企业技术创新效率，即融资约束在两者之间起到部分中介作用；（5）数字普惠金融在高管金融关联和融资约束之间存在正向调节作用，数字普惠金融总指数、覆盖广度、使用深度能够正向调节高管金融关联对融资约束的缓解作用，数字化程度对其调节作用不显著，可能是因为尽管数字化程度的加深增加了融资信息的可获得性，但对于具有金融关联的高管社会资本、专业技能的发挥未起到明显促进作用。

（二）建议

第一，国家层面。应稳步推进数字普惠金融的发展，扩大数字金融的覆盖程度、使用深度；利用好数字普惠金融的技术优势，缓解创业板企业被传统金融服务排斥的现状，为具有发展潜力的创业板企业提供精准的金融服务，通过降低其面临的融资约束程度来提高其企业技术创新效率；为更加高效地优化数字普惠金融使用情况，应在改善业界环境、促进平衡发展、增加技术水平来增加数字普惠金融的覆盖广度和使用深度等方面进行更多努力。

第二，企业层面。可通过聘请具有金融关联的高管，增加企业获取信息的对称性，减少企业外部融资成本，解决其面临的融资约束困境；除此之外，企业内部的良性发展至关重要，企业应加以重视，优化内部治理结构，提升外部融资渠道对企业的信任度和接受性，争取更多的融资机会，提高企业技术创新效率。

第三，高管层面。应认识到在数字普惠金融迅速发展背景下，其自身的社会资本能够更进一步地降低企业信息的不对称性，协助企业获取外部融资，促进企业发展。高管应利用好自身曾在金融机构工作培养的专业技能，为企业寻求投资机会识别，鼓励企业研发创新行为，提高企业技术创新效率。